AI 领域的荣誉记录里，2018 年图灵奖是个特殊节点：ACM 把这个公认的计算机学界最高奖项同时授予三个人——辛顿、杨立昆与本吉奥，理由是他们让深度神经网络成了计算的关键构件。三个人在神经网络被视作冷门路线的年代各自坚持，最后在同一份获奖公告里被正名。这篇按 ACM 公告与公开资料，把三人的贡献与这段坚持讲清楚。
公告里的三个人
2019 年 3 月 27 日，ACM 公布 2018 年图灵奖归属，颁奖词的公开口径是：表彰他们在概念与工程上的突破，使深度神经网络成为计算的关键组成部分。三个人当时分别来自多伦多大学、纽约大学与蒙特利尔大学，公开资料显示三人有直接的师承与合作线索——杨立昆与本吉奥都算辛顿这条学术脉络上的晚辈与同盟，奖金一百万美元由谷歌资助，均为公开报道内容。
把三人的公开贡献线分开列，各自的侧重并不相同。辛顿的核心工作见辛顿人物篇：从 1986 年那篇让多层网络可训练的论文起步，见反向传播正名一篇，到 2006 年的逐层预训练方案，前后三十余年。
杨立昆与本吉奥各自的公开线
杨立昆的贡献集中在卷积神经网络：他在贝尔实验室期间发展出让网络直接读像素、逐层提取特征的方案，用于手写数字识别并进入实际部署，公开文献普遍把它列为卷积网络的工程化起点，人物篇见杨立昆一篇。本吉奥的贡献偏向序列与语言：从 2000 年前后的神经语言模型论文，到后来关于注意力机制与序列建模的系列工作，他的团队为今天的语言模型提供了方法底座，见本吉奥人物篇。
三人的共同点写在同一段历史里：九十年代到本世纪初，神经网络的资助与关注度长期处于低位，相关论文在主流会议不好发表，公开报道里三人都在这段低谷期继续做这条线，完整的经费起伏背景可另行查考；转折如何发生，见深度学习复兴一篇。
2018 图灵奖速查
- 1986 年：辛顿与合作者发表反向传播论文，多层网络可训练
- 1980 年代末至 1990 年代：杨立昆在贝尔实验室推进卷积网络
- 2000 年前后：本吉奥团队发表神经语言模型论文
- 2006 年：逐层预训练方案公开，深度网络重新可训练
- 2019-03-27：ACM 公布 2018 年图灵奖三人同获
为什么是三人同获
评奖公告的表述给出了答案的框架：深度学习的成立需要三块拼图——多层网络的训练方法、处理空间数据的结构、建模序列的框架。三个人分别长期主攻其中一块，且都在低潮期没有转行。ACM 在公开资料里把三人并列表述，公开报道普遍把这视作对一个方向的承认，而非对三位学者的分别盖棺。这个分寸值得记下来：奖项的落点是方法脉络，人名是这条脉络的坐标。
| 学者 | 主攻的一块 | 公开代表工作 | 当时所在机构 |
|---|---|---|---|
| 辛顿 | 多层网络的训练方法 | 1986 年反向传播论文、2006 年逐层预训练 | 多伦多大学 |
| 杨立昆 | 处理空间数据的结构 | 贝尔实验室期间的卷积网络，用于手写数字识别并部署 | 纽约大学 |
| 本吉奥 | 建模序列的框架 | 2000 年前后的神经语言模型，以及注意力与序列建模系列工作 | 蒙特利尔大学 |
承认与今天的关联
这次评奖对读者的实用意义在时间差：公开承认出现在方法证明自己之后约六年——2012 年深度网络在视觉竞赛大幅领先，六年后才轮到图灵奖。看今天的技术热点也一样，荣誉是滞后指标，能力和产品才是即期指标。你用 DeepSeek 写代码、让 Kimi 读文档、用豆包识图，验证的还是同一个道理：落到自己的任务上测一测，比看任何奖项和榜单都直接。
另一层可带走的是对「冷门路线」的判断框架：三个人的坚持之所以成立，是因为底层问题真实存在——机器能不能自己从数据里学出表示。方向判断错了的坚持只能叫固执，判断对了的坚持才会等到承认。区别在哪，公开文献给出的线索是看问题本身是否独立于路线起落而存在。
图灵奖快问快答
- 2018 年图灵奖的公开颁奖词是什么？：按 ACM 公告，表彰三人在概念与工程上的突破，使深度神经网络成为计算的关键组成部分，完整措辞以 ACM 官方页面为准。
- 三人之前有过交集吗？：有公开记录的合作与师承线索：杨立昆曾与辛顿及其同事合作，本吉奥与辛顿长期保持学术合作，三人在低谷期的相互支持在公开访谈中多次被提及。
- 图灵奖之后三人还在做什么？：按公开报道，三人各自继续研究并发表公开观点，方向涉及深度学习的下一代形态，细节以各自公开言论为准。
