教机器"看"，从识别支票上的数字开始
勒昆在贝尔实验室开发的LeNet系统，最初的实际应用场景是自动识别银行支票上手写的数字金额，这一略显朴素的商业需求，却让卷积神经网络第一次在真实工业场景中证明了自己的实用价值。这套借鉴生物视觉皮层分层处理机制设计的架构，此后被证明具有极强的普适性，从人脸识别到医学影像诊断，再到自动驾驶汽车的道路感知系统，都能看到LeNet最初设计思路的延伸。
👁️
扬·勒昆
本名Yann LeCun
法裔美国计算机科学家，卷积神经网络的发明者
想到"机器能思考"的人 · 先驱者
卷积神经网络（CNN）"LeNet"手写数字识别系统2018年图灵奖
是谁
扬·勒昆（1960- ）是法裔美国计算机科学家，在贝尔实验室工作期间开发出"LeNet"卷积神经网络，将其应用于识别手写支票数字，这是深度学习最早的实际商用案例之一。卷积神经网络借鉴了生物视觉皮层的分层处理机制，通过局部感受野与权重共享大幅降低了图像类任务所需的参数量与训练难度，此后成为计算机视觉领域近三十年的主流架构基础，从人脸识别到自动驾驶感知系统均建立在这一思路之上。勒昆此后长期担任纽约大学教授，2013年出任Meta（原Facebook）人工智能研究院首席科学家，同时也是深度学习领域最活跃的公开辩论者之一，长期在社交媒体上与批评者就大语言模型的能力边界展开公开论战，他本人始终认为当前以文本预测为核心的大语言模型路线存在根本性局限，无法通向真正意义上的通用人工智能，并主张"世界模型"才是更有前景的研究方向。他于2018年与辛顿、本吉奥共同获得图灵奖。
依据原典乐昆等《基于梯度的学习方法在文档识别中的应用》（1998）2018年图灵奖颁奖词
主要故事
人物关系
今日回响
以下是现代作品对这个名字或故事的借用、改写，不代表原始内容——两者不一样，别混着记。
社交媒体上的公开论战乐昆与马库斯等批评者围绕大语言模型能力边界的公开论战，长期是科技媒体与社交平台上人工智能领域最受关注的公共讨论话题之一。