在快速发展的人工智能（AI）领域，如何理解技术背后的推动力成为了关键。2025年，随着AI技术的不断进步，尤其是在自然语言处理和计算机视觉方面，越来越多的网民开始关注那些为AI革命奠基的科学家们。在本期《AI小课堂》中，我们将深入探讨这场智能革命背后的核心人物，以及他们如何通过创新技术重塑科学发现的范式。

　　在深度学习的历史长河中，杰弗里·辛顿、杨立昆和约书亚·本吉奥被誉为三位奠基人。辛顿的反向传播算法于1986年首次解决了多层神经网络的训练难题，成为深度学习的“心脏”。其后，他在2006年提出的深度信念网络突破了深度网络训练的瓶颈，终结了AI寒冬。此外，他带领的AlexNet在2012年以85%的准确率在ImageNet竞赛中大放异彩，将计算机视觉的误差率降低至接近人九游娱乐 九游娱乐官方类水平。

　　杨立昆于1989年提出的卷积神经网络（CNN）则模仿视觉皮层，成为图像识别的核心架构，广泛应用于自动驾驶和AlphaGo等领域。约书亚·本吉奥的注意力机制和生成对抗网络（GANs）则为自然语言处理和计算机视觉带来了革命性的影响。这些创新不仅推动了AI的技术进步，也促使科学研究的方式发生了深刻变化。

　　随着基础理论的不断完善，AI的实际应用也在加速发展。李飞飞在2009年构建的ImageNet数据集，极大推动了深度学习在计算机视觉领域的应用，使得计算机视觉的误差率从28%降至5%。而她在2024年创立的WorldLabs公司，正在开发“空间具身智能模型”，使AI能够更好地理解3D环境，为未来的智能机器人提供了重要支持。

　　DeepMind的戴米斯·哈萨比斯则通过AlphaGo和AlphaFold等项目，展示了AI在复杂策略和生物医药研究中的巨大潜力。这些技术的成功应用不仅提升九游娱乐 九游娱乐官方了AI的产业价值，也在医疗、科学研究等多个领域实现了深度融合。

　　在当今的AI研究中，跨学科的融合正成为一种趋势。亚历山大·王的ScaleAI平台通过高效处理图像和雷达数据，助力自动驾驶的发展，估值已超百亿美元。与此同时，姜凯议等年轻科研者在生物工程与AI交叉领域的创新，正在推动抗体设计和基因编辑技术的进步。

　　随着AI技术的不断演进，未来的研究将更加注重跨学科的合作与创新，推动科学发现与工程应用的双重突破。这不仅为人类探索未知提供了新的可能性，也为AI的持续发展奠定了坚实的基础。