| |
|
|
| 首页 淘股吧 股票涨跌实时统计 涨停板选股 股票入门 股票书籍 股票问答 分时图选股 跌停板选股 K线图选股 成交量选股 [平安银行] |
| 股市论谈 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 商业财经 科技知识 汽车百科 工程技术 自然科学 家居生活 设计艺术 财经视频 游戏-- |
| 天天财汇 -> 设计艺术 -> 何恺明厉害还是LeCun厉害? -> 正文阅读 |
|
|
[设计艺术]何恺明厉害还是LeCun厉害? |
| [收藏本文] 【下载本文】 |
|
有没有谁给个概念？谢谢 |
|
Kaiming的确是顶级的学者，但是和LeCun还是差一个等级。 学术界都公认，开宗立派永远比发扬光大更重要，更厉害。LeCun是真正熬过AI寒冬的人。CNN这一整套框架都是他搭的。我们今天抬手一句import torch，几个conv几个pooling叠起来，加个CrossEntropyLoss，标签数据加进来，sgd直接开跑。仿佛喝水一样轻松写意。但是这里面的每一步都是LeCun亲自踩过坑又把坑填上的。 类似的例子，在物理界问谁是历史第一物理学家，所有人都会肃然起敬说一句Sir Newton。尽管后世的物理学家能把人送上太空能手搓核弹，仿佛法力无边。但是一切魔法的起源仍然是牛顿那本《自然哲学的数学原理》。 说回Kaiming。我估计又有人要拿引用量说事，说ResNet是历史第一被引，影响力无与伦比云云。这事情就离谱。 严格来讲，所有引用ResNet的人，也都应该引用LeCun，毕竟卷积是从LeCun那儿来的，怎么能不加引用直接使用呢。但实际上几乎没人这么做。这就说明，LeCun的贡献已经上升为“常识”这个级别了。已经不需要再引用了。这就好比，在使用牛顿三大定律的时候，不需要去引用牛顿的原文了。 |
|
各有千秋。 何恺明是广东高考理科状元，清华基础科学班本科，香港中文大学博士，导师是孙剑、汤晓鸥。博士期间第一篇论文关于去雾的论文，使用暗通道方法，结合了很多物理光学的知识，这跟他理科基科班的训练有关系。另外也对雾的成因和影响有深入的了解，以及有雾、没雾的具体区别，比如没雾会有很多因汽车、建筑、景物的影子而形成暗点等等。算法实现不难，但能想出来确实不容易。自然就拿了顶会最佳论文了。 那时候他已经博士三年级，一篇论文都没发，一发就是顶会最佳论文，惊为天人，他导师都没发过，因为这是华人第一篇。 杨立昆则坎坷得多。主要因为他成长的年代计算技术不大行，神经网络解不出来，调参困难。 当然，像relu代替sigmoid这种，其实跟gpu无关的，还有各种加速算法。但那个年代可能基础设施不完善，大家没有精力想这些，而杨立昆的工作就是完善这些基础设施。 而且那个年代神经网络申请不到经费，杨立昆估计经济上也并不宽裕，所以也比较煎熬。何恺明刚好是深度学习大热的时候崛起，一路都很顺利，没有这个困难。 当然，何恺明一年一篇论文，在这个浮躁的年代，已经可以说是厚积薄发。但毕竟没有经历过杨立昆那种挫折，不知道面对逆境会怎样。现在扎克伯格其实在经历至暗时刻，作为麾下大将的何恺明似乎也没能力挽狂澜，而是提前跑路了。 |
|
何恺明还是在别人挖好的大坑上进行工作。 LeCun是在无数人不看好的情况下挖坑。 难度完全不是一个数量级。 这种世界级的大佬必须自己开拓一个全新领域，而不是计算论文的数量和引用的number。 |
|
He就算厉害，但他也达不到LeCun现在的地位。因为LeCun这帮人，是最新一波AI高潮的奠基人。理论框架、各种结构基本上都是他们几个人搞定的；并且，最新AI潮到来前最黑暗的时刻，也是他们几个一起扛过去的。所谓欲加其冠，必承其重。而这个黑暗时期，He根本没有经历过。实际上，他的best paper，是cv方向，在2009年那个时期跟AI八竿子打不着。如果LeCun是AI门派祖师爷一般的存在，那He相当于半路出家的。 当年LeCun他们有多惨呢？各种被SVM吊打，写论文都不敢说神经网络，Hint的那篇nature，用Deep Learning，就是怕被审稿人干死。 |
|
何凯明之前是在meta FAIR上班，跟我一样，是一个top公司的Staff Scientist的岗位，LeCun是他老板的老板。他还没做到Principal呢，咋就跟President of FAIR 作比较呢？ 有人拿凯明50万引用来说事，说LeCun才30万，真是愚 这里并不是贬低凯明，反而是帮他说话，有的人故意把他捧上神坛，提问者什么意图尚且不知 残差思想，200年前就有人突出来了，无论是数学还是物理，还是控制，已经早就有这个理论了，他自己文章也介绍了，前人如何提出这个构想的，只是最近几年AI火了，发现这个思想运用到AI，效果很好。 用凯明ResNet的大多数底层是CNN，按理来说所有cite凯明的人都应该cite一遍LeCun的CNN，图像处理你不cite CNN？这么重要的工作你不引用？太经典了，以至于大家默认不需要了 下一步提问者是不是要跟爱因斯坦比了？ |
|
看了之前的回答，感觉知道LeCun做了什么的人也太少了。 我列几个我记得的最重要的贡献，每一个都是开创级别的。 1980年代，发展了Hinton提出的梯度下降算法，成为后续几乎所有神经网络的标准训练方法。 1980年代，提出了LeNet系列网络，是首个被成功应用的卷积神经网络（美国银行将之用于识别手写数字），LeNet包括了卷积层、池化层、全连接层等基本结构，是现代卷积神经网络的起源。 1998年，提出了深度学习领域使用频率最高的MNIST数据集。 Hinton、LeCun、Bengio这三巨头是开辟领域、打好基础的人，提出了深度学习的基本组成单元、标准训练方法，给出了较强的基础算法。 何凯明在他们的工作基础上进一步改进了算法，用大道至简的方式，将精度提升到了工业可用级别。 比如，何凯明提出的ResNet，Faster-RCNN，Mask-RCNN需要用到梯度下降算法，依然属于卷积神经网络，但其精度早已不可同日而语。 至于谁更强？ 一个搭建好了领域的基础，一个把精度提高到工业可用的级别。一个把完善了理论的框架，一个把应用做到极致。 见仁见智吧。 |
|
何凯明很厉害，但是Hinton、LeCun、Bengio这三巨头是深度学习（或者深度神经网络）领域的开山鼻祖，没有他们几十年的坚持和努力深度学习大爆发至少可能推迟几十年。 我认为这三人最难能可贵的是： 第一：当所有人觉得深度神经网络没什么前途时，他们默默无闻的耕耘几十年。最终获得突破。 第二：虽然他们已经名利双收，但还是继续低调做自己工作，有的还是在一线做研究，教学。 第三：总结一句话，三巨头是打江山的，何恺明是治理江山的。 |
|
这问题还不够烫，让我再加几人： Jitendra Malik、Alyosha、李飞飞、何恺明、LeCun、朱松纯里，谁更厉害？ 快打起来打起来.JPG iclr25后更新加入松纯。 |
|
小透明评价大佬多少有点不敬，但是就说一点：MIT没给恺明Full professor. 这当然多少有点MIT不尊重工业界的原因，但是你也看得出来这题答案了。 |
|
lecun，只谈贡献，不谈厉害。厉害的人不一定成果就多。 何恺明大多是灵光一闪的神之一手，很少让我有神之一局的感觉。在我的认知里， 第一档是hinton，lecun这种混沌时期开天辟地的上古大神 第二档是一个领域的开山鼻祖，比如gan之父goodfellow，transformer之父，强化学习之父…… 第三档才是某个领域登峰造极的时代弄潮。我心目中何恺明属于这一档。说到底何最重要的工作还是resnet，虽然确实好用，但确实看上去太简单了 |
|
在推特上打嘴炮LeCun厉害，在MIT给job talk Kaiming厉害。但他俩好像都是meta的，而meta大概已经被开除FAANG了。 |
|
leetcode选几个hard题让他们比比看 |
|
从意识形态的角度来说，我非常不喜欢 LeCunhttps://zhuanlan.zhihu.com/p/31233443" data-tooltip-richtext="1" data-tooltip-preset="white" data-tooltip-classname="ztext-reference-tooltip">[1]，但是这种问题真的很无聊啊。要我说，这俩人都没死呢，有啥好比的。 隔壁搞唯象计算的，比的都是朗道和费曼这种大神，咱搞 GPU 算命的能不能这么 low 啊？ 参考^https://zhuanlan.zhihu.com/p/31233443 |
|
想侧面了解一下LeCun的学术贡献，甚至可以看一下VC-Dimension里面的V， 也是SVM的提出者Vapnik在1998年出版的 The nature of statistical learning theory, 这本书对MNIST数据集和LeNet5的发展有一些记载，比如MNIST数据集是一点一点扩大的，一开始好像叫NIST还是啥，后来才扩充为MNIST的，而LeNet也是一步步发展出来的，LeNet5之前还有LeNet4，LeNet3等等。1998年以前LeNet在MNIST测试集上的准确率就超过98%了，好于SVM，是当时的SOTA。所以硬要比的话还是觉得目前LeCun的学术成就高一些。 |
|
赛博斗蛐蛐终于走到这一步了吗？好兴奋啊！ |
|
客观的评价一下： kaiming的工作应用价值更高，lecun的工作理论价值更高。 kaiming的工作都逃不开lecun工作的框架，从这个角度来说，kaiming喊lecun一句祖师爷没什么问题，lecun喊kaiming小伙子有前途，加油干也没什么问题，但是kaiming不能对lecun说小伙子工作很不错，加油，这无论是在辈分上还是工作成果上kaiming都不能这么说。 综上所述，lecun其实是更厉害的，因为两人碰面，kaiming必须更尊重lecun，即便是抛开辈分，也必须这样。 |
|
Lecun深度学习三大巨头之一，图灵奖获得者。何虽然也非常nb，但是机器学习和模式识别领域的研究者未必都知道。讲道理一个图灵奖就决定了二者并不是一个层级的。 |
|
每次去食堂打饭的时候总要看看杨乐昆的妖娆身姿 |
|
|
|
|
虽然kaiming被认为是当今深度学习领域最有影响力的学者之一，但Lecun毕竟是CNN之父。 打个比方，哪怕你是当今的世界物理第一人，你也不能够说自己比牛顿还要厉害，即使你现在捣鼓的都是一些牛顿搞不来的东西。 |
|
我个人非常欣赏简单而优美的东西，比如ResNet的残差结构，所以在我心中Kaiming大神是最值得敬佩的人之一，和Lecun是同一个等级的存在。当然Lecun毫无疑问是足够伟大，只是很多评论说Lecun比Kaiming更伟大，因为ResNet也用了卷积，后来者比不了祖师爷，我个人不赞同这个观点。固然0到1足够伟大，但1到100也同样是创新，也应该给到相同的尊重。否则对于后辈来说，就永远无法和前辈相提并论，这是不公平的。如果要说对现在的影响力，CNN已经逐渐被Transformer取代，但残差结构存在于几乎所有的网络中，Kaiming的贡献一点也不会比Lecun少。 |
|
都是大佬，望尘莫及。 我举一个不恰当的比方，以海贼王为背景，何可能算是路飞中期一样的人物，LeCun是.类似四皇的存在 |
|
就引用量来看我觉得仓颉更厉害点 |
|
个人观点，何凯明属于大佬，算是比较厉害的大佬，hinton算是宗师，LeCun介于两者之间。 PS：个人不是很看好LeCun, 感觉他没有hinton那种作为宗师级人物的大局观。感觉LeCun依旧执着于将人类思维注入模型中，比如前些天他好像提出一个问题，就是让模型自动的形成步骤链，并信誓旦旦的认为这是未来最有研究价值的问题。但实际上我认为这个问题是完全没意义的，甚至是应该扔进历史垃圾桶的问题，此问题依旧执着于将人类思维教于模型，完全没意义吸取“the bitter lesson”，人类总是觉得自己完成事情是按照逻辑和步骤完成的，但殊不知这样的“感觉”很可能只是大脑反馈的一种表象，一种假象，人类仍旧不知道自己到底是如何思考的。 |
|
不要说什么欧拉、高斯，哪怕是像哈代这种数学大佬如果还活着，看到这群兔崽子在cs届比来比去谁更厉害，也一定会笑掉大牙。不得不说，自从千禧年以后，“大佬”这个title可以说门槛是越来越低了。 送礼物 还没有人送礼物，鼓励一下作者吧 |
|
LeCun和何其实都有些偏工程，但是如果直接比较二人，则何更加偏工程。从眼界上看，何肯定是弱于杨乐昆的，何考虑的基本都是工程应用问题，基本不考察理论性的问题。从工作方法看，何也是多采用实验来验证思路，而杨乐昆有相当一部分工作是有理论分析的。 这不一定是水平高下问题，更多是思维方法和工作方式问题。工程师和科学家还是有区别的，但也不好直接说谁高谁低。 |
|
以什么标准去评价厉害？ 单从某个角度去评价，杨立昆是2018年图灵奖（Turing Award）得主。凭借这一点，LeCun是完胜的。 图灵奖旨在奖励对计算机事业作出重要贡献的个人 。图灵奖对获奖条件要求极高，评奖程序极严，一般每年仅授予一名计算机科学家。图灵奖是计算机领域的国际最高奖项，被誉为“计算机界的诺贝尔奖”。 图灵奖曾颁给以下人工智能领域科学家： 1969年的Marvin Minsky（马文·闵斯基） 1951年，他设计并建构了第一部能自我学习的人工神经网络机器，SNARC。 1956年，他与约翰·麦卡锡组织了达特茅斯会议，在这场会议中，人工智能的概念被提出，在之后形成了一个新的学门。在麻省理工学院，他与约翰·麦卡锡共同创立了人工智能研究室（MIT计算机科学与人工智能实验室的前身）。 1971年的John McCarthy（约翰·麦卡锡） 他因在人工智能领域的贡献而在1971年获得图灵奖。实际上，正是他在1956年的达特矛斯会议上提出了“人工智能”这个概念。 他在1962年了离开麻省理工学院，前往斯坦福大学并在那里协助建立了斯坦福人工智能实验室。 1975年的Allen Newell（艾伦·纽厄尔）和Herbert A. Simon（赫伯特·西蒙） 艾伦·纽厄尔是信息处理语言（IPL）发明者之一，并写了该语言最早的两个AI程序，合作开发了逻辑理论家（Logic Theorist 1956年）和一般问题解决器General Problem Solver。1975年他和赫伯特·西蒙（司马贺）一起因人工智能方面的基础贡献而被授予图灵奖。 西蒙不仅仅是一个通才、天才，而且是富有创新精神的思想者。他是现代许多重要学术领域的创建人之一，如人工智能、信息处理、决策制定、解决问题、注意力经济、组织行为学、复杂系统等。 1994年的Edward Feigenbaum（爱德华·费根鲍姆）和Raj Reddy（拉吉·瑞迪） 在他的博士论文中，费根鲍姆建立了EPAM，第一个模仿人类学习能力的电脑系统。 2011年, 费根鲍姆因其在人工智能和智能系统上的显著贡献而入选IEEE Intelligent Systems'人工智能'名人堂。 1994年，拉吉·瑞迪因其人工智能杰出工作，获得计算机领域最高奖项图灵奖，他是该奖项亚洲第一人。 李开复、沈向洋、洪小文是拉吉·瑞迪的博士生。 2011年的Judea Pearl（朱迪亚·珀尔） 2011年，美国计算机协会授予珀尔图灵奖，以表彰其“通过开发几率和因果推理的微积分对人工智能做出的基本贡献”。 |
|
LeCun没了解过，看过何凯明的paper，感觉真是大佬级别的人物，论文创新点很好，文章很整洁废话少，反正就是给人一种很舒服的感觉。 |
|
李哥——球王贝利，远古大神。 何恺明——2018年的梅西，成名已久，但陷入低谷，需要焕发第二春，再需两三个大荣誉(best paper)，即可成为下一代球王。 |
|
毫无意义的比较，文无第一武无第二，打炉石LeCun不行，打GaryMarcus何凯明不行 纠结这个还不如抓紧时间读论文 |
|
谁能给Hinton，Lecun, Jitendra，Ilya, Kaiming，Feifei, Michael, Ng, Sutton, Silver, YiMa, 朱松纯这几个人排个名 |
|
|
| [收藏本文] 【下载本文】 |
| 上一篇文章 下一篇文章 查看所有文章 |
|
|
|
| 股票涨跌实时统计 涨停板选股 分时图选股 跌停板选股 K线图选股 成交量选股 均线选股 趋势线选股 筹码理论 波浪理论 缠论 MACD指标 KDJ指标 BOLL指标 RSI指标 炒股基础知识 炒股故事 |
| 网站联系: qq:121756557 email:121756557@qq.com 天天财汇 |