让机器读懂支票上的手写数字
勒昆设计的LeNet卷积神经网络，通过模仿人类视觉皮层"局部感知、逐层抽象"的处理方式，能够可靠识别手写数字与字母，这套系统此后被美国多家银行实际部署于支票自动处理系统中，用以识别支票上手写填写的金额数字，这是深度神经网络技术在其被广泛认可之前，就已经悄然进入日常金融基础设施、创造实际商业价值的早期案例。
👁️
扬·勒昆
本名Yann LeCun
法裔美籍计算机科学家，卷积神经网络的奠基人
技术背后的规律 · 理论奠基人
卷积神经网络（CNN）"LeNet"手写数字识别2018年图灵奖
是谁
扬·勒昆（1960- ）是法裔美籍计算机科学家，1989年在贝尔实验室工作期间，将反向传播算法与一种模仿生物视觉皮层局部感知特性的网络结构相结合，设计出"卷积神经网络"（CNN），并训练出名为"LeNet"的手写数字识别系统，这套系统此后被美国多家银行实际部署，用于自动识别支票上的手写金额与邮政编码，是深度神经网络最早实现大规模商业化应用的案例之一。卷积神经网络通过局部感受野、权重共享等设计，大幅减少了处理图像这类高维数据所需的参数数量，这套架构此后成为2012年"AlexNet"以及几乎所有此后计算机视觉深度学习模型的结构基础。勒昆此后长期担任纽约大学教授，2013年起兼任Facebook（此后更名Meta）首席人工智能科学家，主导该公司的基础人工智能研究工作。他因这些奠基性贡献，与辛顿、本吉奥于2018年共同获得图灵奖，三人也因此被合称为"深度学习三巨头"。与辛顿、本吉奥近年来对人工智能潜在风险持更为审慎的态度不同，勒昆在公开场合的立场相对乐观，倾向于强调当前大语言模型技术路线本身存在的局限性，这一立场分歧也是三位图灵奖得主之间近年来公开讨论的话题之一。
依据原典勒昆等《应用于文档识别的基于梯度的学习方法》（1998年，LeNet-5相关论文）
主要故事
"三巨头"内部的路线分歧
勒昆与辛顿、本吉奥并称"深度学习三巨头"，共同获得2018年图灵奖，但三人对当前大语言模型技术路线能否通向真正意义上的通用人工智能、以及这一技术可能带来的风险程度，近年来在公开场合表达出并不完全一致的看法，这场发生在共同奠定深度学习基础的同一批学者之间的路线分歧，本身也成为观察人工智能领域内部争论的一个有趣切面。
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。
"三巨头"公开路线分歧勒昆近年在社交媒体上多次公开表达对"当前大语言模型路线能否通向通用人工智能"的怀疑态度，与辛顿、本吉奥近年来更强调风险警示的立场形成一定反差，这类公开辩论也成为大众了解人工智能领域内部技术路线之争的重要窗口。