AI教父Geoffrey Hinton：全球第二新智元

Hinton百万引用的背后，是数篇奠基「现代人工智能」的不朽之作！

刚刚，AI教父、图灵奖巨头Geoffrey Hinton论文被引数正式破100万！

他是继Yoshua Bengio之后，全球第二位论文引用量突破百万的学者。

学术地位无可撼动！

一时间，学术界的大牛们，纷纷为Hinton送上了祝贺。

百万被引，世界第二人

两个月前，Nature曾发文：Bengio成为世界首位被引数超100万的研究者。

这一纪录被很多人视作AI时代的学术注脚。

目前，谷歌学术显示，Bengio被引次数已达到103.6万！

如今，Hinton被引数迅速突破百万门槛，更像是同一条浪潮的回声：

深度学习的核心理论与方法，正在被前所未有的研究规模「持续引用、持续放大」。

不仅如此，同为图灵奖三巨头的Yann LeCun的被引数也达到了恐怖的45万级。

传奇仍在续写

这一成就，植根于Hinton数十年来持续不断的学术积淀。

可以说，读懂他的全部研究，相当于掌握了深度学习的发展脉络与演进史。

Hinton的代表作列表，会有一种强烈的既视感，其中有几篇「时代级论文」的引用数格外醒目：

AlexNet（ImageNet 2012）：18万+引用，深度学习大规模视觉突破的重要标志

AlexNet让神经网络第一次以压倒性优势赢下大规模视觉竞赛，直接点燃了深度学习在工业界的信心。

更重要的是，它把「数据+GPU+端到端训练」的路线写成了可复用的范式，从此视觉、语音、推荐都开始沿着同一套工程逻辑加速迭代。

Deep Learning（Nature 2015）：10万+引用，三巨头合著，成为无数论文的共同起点

Deep Learning更像一本「统一语言的说明书」，把分散在不同子领域的研究线索串成框架：

神经网络为什么能学、怎么训练、能解决什么问题、还缺什么关键环节。

t-SNE可视化（2008）：6万+引用，直到今天仍是科研可视化的常用工具

t-SNE改变了研究者理解模型的方式，比如高维特征怎么分簇、类别边界怎么形成、错误样本为什么混在一起。