Machine Translated by Google

Kontak: Jim Ormond

212-626-0505
ormond@hq.acm.org

BAPAK REVOLUSI PEMBELAJARAN DALAM MENERIMA

PENGHARGAAN ACM AM TURING

Bengio, Hinton, dan LeCun Mengantar Terobosan Besar dalam Kecerdasan Buatan

New York, NY, 27 Maret 2019 – ACM, Association for Computing Machinery, hari ini menobatkan Yoshua Bengio,
Geoffrey Hinton, dan Yann LeCun sebagai penerima ACM AM Turing Award 2018 atas terobosan konseptual dan teknik
yang menjadikan jaringan saraf dalam sebagai hal yang sangat penting komponen dari
komputasi. Bengio adalah Profesor di Universitas Montreal dan Direktur Ilmiah di Mila, Institut Kecerdasan Buatan
Quebec; Hinton adalah Wakil Presiden dan Rekan Teknik Google, Kepala Penasihat Ilmiah
dari The Vector Institute, dan Profesor Emeritus Universitas di Universitas Toronto; dan LeCun adalah Profesor di
Universitas New York serta Wakil Presiden dan Kepala Ilmuwan AI di Facebook.

Bekerja secara mandiri dan bersama-sama, Hinton, LeCun, dan Bengio mengembangkan landasan konseptual untuk
bidang ini, mengidentifikasi fenomena mengejutkan melalui eksperimen, dan menyumbangkan kemajuan teknik yang
menunjukkan keuntungan praktis dari jaringan saraf dalam. Dalam beberapa tahun terakhir, metode pembelajaran
mendalam telah menghasilkan terobosan menakjubkan dalam visi komputer, pengenalan suara, pemrosesan bahasa
alami, dan robotika—dan aplikasi lainnya.

Meskipun penggunaan jaringan syaraf tiruan sebagai alat untuk membantu komputer mengenali pola dan mensimulasikan
kecerdasan manusia telah diperkenalkan pada tahun 1980an, pada awal tahun 2000an, LeCun, Hinton dan Bengio termasuk
di antara kelompok kecil yang tetap berkomitmen pada pendekatan ini. Meskipun upaya mereka untuk menghidupkan
kembali minat komunitas AI terhadap jaringan saraf pada awalnya ditanggapi dengan skeptis, ide-ide mereka baru-baru ini
menghasilkan kemajuan teknologi yang besar, dan metodologi mereka kini menjadi paradigma dominan di bidangnya.

Penghargaan ACM AM Turing, sering disebut sebagai “Hadiah Nobel Komputasi”, memberikan hadiah sebesar $1 juta,
dengan dukungan finansial yang disediakan oleh Google, Inc. Nama ini diambil dari nama Alan M. Turing, ahli
matematika asal Inggris yang mengartikulasikan landasan matematika dan batasan komputasi. Bengio, Hinton dan LeCun
secara resmi akan menerima ACM AM Turing Award 2018 pada jamuan penghargaan tahunan ACM pada hari Sabtu,
15 Juni 2019 di San Francisco, California.

“Kecerdasan buatan kini menjadi salah satu bidang dengan pertumbuhan tercepat di seluruh ilmu pengetahuan dan
salah satu topik yang paling banyak dibicarakan di masyarakat,” kata Presiden ACM Cherri M. Pancake. “Pertumbuhan dan
minat terhadap AI sebagian besar disebabkan oleh kemajuan terkini dalam pembelajaran mendalam yang menjadi landasan
Bengio, Hinton, dan LeCun. Teknologi ini digunakan oleh miliaran orang. Siapa pun yang memiliki ponsel cerdas di sakunya
dapat merasakan kemajuan nyata dalam pemrosesan bahasa alami dan visi komputer yang tidak mungkin dicapai 10
tahun yang lalu. Selain produk yang kami gunakan setiap hari, ada kemajuan baru yang mendalam

1
Machine Translated by Google

pembelajaran telah memberi para ilmuwan alat-alat baru yang canggih—di berbagai bidang mulai dari kedokteran, astronomi,
hingga ilmu material.”

“Jaringan saraf dalam bertanggung jawab atas beberapa kemajuan terbesar dalam ilmu komputer modern, membantu
mencapai kemajuan besar dalam mengatasi masalah jangka panjang dalam visi komputer, pengenalan suara, dan pemahaman
bahasa alami,” kata Jeff Dean, Google Senior Fellow dan SVP, Google AI. “Inti dari kemajuan ini adalah teknik dasar yang
dikembangkan lebih dari 30 tahun yang lalu oleh pemenang Turing Award tahun ini, Yoshua Bengio, Geoffrey Hinton, dan Yann
LeCun. Dengan secara dramatis meningkatkan kemampuan komputer untuk memahami dunia, jaringan saraf dalam tidak hanya
mengubah bidang komputasi, namun hampir semua bidang ilmu pengetahuan dan upaya manusia."

Pembelajaran Mesin, Jaringan Neural, dan Pembelajaran Mendalam

Dalam komputasi tradisional, program komputer mengarahkan komputer dengan petunjuk langkah demi langkah yang eksplisit.
Dalam pembelajaran mendalam, yang merupakan subbidang penelitian AI, komputer tidak secara eksplisit diberitahu cara
menyelesaikan tugas tertentu seperti klasifikasi objek. Sebaliknya, ia menggunakan algoritma pembelajaran untuk mengekstrak
pola dalam data yang menghubungkan data masukan, seperti piksel suatu gambar, dengan keluaran yang diinginkan seperti
label “kucing”. Tantangan bagi para peneliti adalah mengembangkan algoritma pembelajaran efektif yang dapat memodifikasi
bobot pada koneksi dalam jaringan syaraf tiruan sehingga bobot tersebut menangkap pola yang relevan dalam data.

Geoffrey Hinton, yang telah menganjurkan pendekatan pembelajaran mesin terhadap kecerdasan buatan sejak awal tahun 1980an,
mengamati bagaimana fungsi otak manusia untuk menyarankan cara-cara pengembangan sistem pembelajaran mesin.
Terinspirasi oleh otak, dia dan yang lainnya mengusulkan “jaringan saraf tiruan” sebagai landasan penyelidikan pembelajaran
mesin mereka.

Dalam ilmu komputer, istilah “jaringan saraf” mengacu pada sistem yang terdiri dari lapisan elemen komputasi yang relatif
sederhana yang disebut “neuron” yang disimulasikan dalam komputer. “Neuron-neuron” ini, yang hanya sedikit mirip dengan
neuron-neuron di otak manusia, saling mempengaruhi satu sama lain melalui koneksi berbobot. Dengan mengubah bobot
pada koneksi, komputasi yang dilakukan oleh jaringan saraf dapat diubah. Hinton, LeCun, dan Bengio menyadari pentingnya
membangun jaringan mendalam menggunakan banyak lapisan—oleh karena itu istilah “pembelajaran mendalam”.

Landasan konseptual dan kemajuan teknik yang dibangun oleh LeCun, Bengio, dan Hinton selama periode 30 tahun telah
mengalami kemajuan yang signifikan berkat dominasi komputer unit pemrosesan grafis (GPU), serta akses ke kumpulan
data yang sangat besar. Dalam beberapa tahun terakhir, faktor-faktor ini dan faktor-faktor lainnya menyebabkan kemajuan besar
dalam teknologi seperti visi komputer, pengenalan suara, dan terjemahan mesin.

Hinton, LeCun dan Bengio telah bekerja sama dan mandiri. Misalnya, LeCun melakukan pekerjaan pascadoktoral di bawah
pengawasan Hinton, dan LeCun serta Bengio bekerja sama di Bell Labs mulai awal 1990-an. Meskipun tidak bekerja sama,
terdapat sinergi dan keterhubungan dalam pekerjaan mereka, dan mereka sangat mempengaruhi satu sama lain.

Bengio, Hinton, dan LeCun terus mengeksplorasi titik temu pembelajaran mesin dengan ilmu saraf dan ilmu kognitif, terutama
melalui partisipasi bersama mereka dalam program Pembelajaran Mesin dan Otak, sebuah inisiatif dari CIFAR, yang
sebelumnya dikenal sebagai Institut Penelitian Lanjutan Kanada.

2
Machine Translated by Google

Pilih Pencapaian Teknis

Pencapaian teknis dari Pemenang Turing tahun ini, yang telah menghasilkan terobosan signifikan dalam teknologi AI,
meliputi, namun tidak terbatas pada, hal-hal berikut:

Geoffrey Hinton

Propagasi mundur: Dalam makalah tahun 1986, “Mempelajari Representasi Internal dengan Propagasi Kesalahan,”
yang ditulis bersama David Rumelhart dan Ronald Williams, Hinton menunjukkan bahwa algoritme propagasi mundur
memungkinkan jaringan saraf menemukan representasi data internal mereka sendiri, sehingga memungkinkan untuk
menggunakan saraf jaring untuk memecahkan masalah yang sebelumnya dianggap berada di luar jangkauan
mereka. Algoritme propagasi mundur adalah standar di sebagian besar jaringan saraf saat ini.

Mesin Boltzmann: Pada tahun 1983, bersama Terrence Sejnowski, Hinton menemukan Mesin Boltzmann, salah satu
jaringan saraf pertama yang mampu mempelajari representasi internal dalam neuron yang bukan merupakan bagian dari
masukan atau keluaran.

Peningkatan jaringan saraf konvolusional: Pada tahun 2012, bersama murid-muridnya, Alex Krizhevsky dan Ilya
Sutskever, Hinton meningkatkan jaringan saraf konvolusional menggunakan neuron linier yang diperbaiki dan regularisasi
putus sekolah. Dalam kompetisi ImageNet terkemuka, Hinton dan murid-muridnya mengurangi separuh tingkat kesalahan
dalam pengenalan objek dan membentuk kembali bidang visi komputer.

Yosua Bengio

Model rangkaian probabilistik: Pada tahun 1990-an, Bengio menggabungkan jaringan saraf dengan model rangkaian
probabilistik, seperti model Markov tersembunyi. Ide-ide ini dimasukkan ke dalam sistem yang digunakan oleh AT&T/NCR
untuk membaca cek tulisan tangan, dianggap sebagai puncak penelitian jaringan saraf pada tahun 1990-an, dan sistem
pengenalan suara pembelajaran mendalam modern memperluas konsep ini.

Penyematan dan perhatian kata berdimensi tinggi: Pada tahun 2000, Bengio menulis makalah penting, “A Neural
Probabilistic Language Model,” yang memperkenalkan penyematan kata berdimensi tinggi sebagai representasi
makna kata. Wawasan Bengio memiliki dampak yang besar dan bertahan lama pada tugas pemrosesan bahasa alami
termasuk terjemahan bahasa, menjawab pertanyaan, dan menjawab pertanyaan visual. Kelompoknya juga memperkenalkan
bentuk mekanisme perhatian yang menghasilkan terobosan dalam terjemahan mesin dan membentuk komponen kunci
pemrosesan sekuensial dengan pembelajaran mendalam.

Jaringan permusuhan generatif: Sejak 2010, makalah Bengio tentang pembelajaran mendalam generatif, khususnya
Jaringan Adversarial Generatif (GAN) yang dikembangkan bersama Ian Goodfellow, telah melahirkan revolusi dalam visi
komputer dan grafik komputer. Dalam salah satu penerapan menarik dari karya ini, komputer sebenarnya dapat
membuat gambar orisinal, mengingatkan pada kreativitas yang dianggap sebagai ciri kecerdasan manusia.

Yann LeCun

Jaringan saraf konvolusional: Pada tahun 1980-an, LeCun mengembangkan jaringan saraf konvolusional, sebuah
prinsip dasar di lapangan, yang, di antara kelebihan lainnya, sangat penting dalam membuat pembelajaran mendalam
menjadi lebih efisien. Pada akhir 1980-an, saat bekerja di Universitas Toronto dan Bell Labs, LeCun adalah orang
pertama yang melatih sistem jaringan saraf konvolusional pada gambar angka tulisan tangan.

3
Machine Translated by Google

Saat ini, jaringan saraf konvolusional merupakan standar industri dalam visi komputer, serta dalam pengenalan
suara, sintesis ucapan, sintesis gambar, dan pemrosesan bahasa alami. Mereka digunakan dalam berbagai macam
aplikasi, termasuk mengemudi otonom, analisis gambar medis, asisten yang diaktifkan dengan suara, dan
pemfilteran informasi.

Meningkatkan algoritma backpropagation: LeCun mengusulkan versi awal dari algoritma backpropagation
(backprop), dan memberikan derivasi bersih berdasarkan prinsip variasi. Karyanya untuk mempercepat algoritma
propagasi mundur termasuk menjelaskan dua metode sederhana untuk mempercepat waktu pembelajaran.

Memperluas visi jaringan saraf: LeCun juga berjasa mengembangkan visi yang lebih luas untuk jaringan saraf
sebagai model komputasi untuk berbagai tugas, memperkenalkan sejumlah konsep yang sekarang menjadi dasar
dalam AI. Misalnya, dalam konteks pengenalan gambar, ia mempelajari bagaimana representasi fitur hierarki
dapat dipelajari dalam jaringan saraf—sebuah konsep yang kini secara rutin digunakan dalam banyak tugas
pengenalan. Bersama Léon Bottou, dia mengajukan gagasan, yang digunakan di setiap perangkat lunak
pembelajaran mendalam modern, bahwa sistem pembelajaran dapat dibangun sebagai jaringan modul
yang kompleks di mana propagasi mundur dilakukan melalui diferensiasi otomatis. Mereka juga mengusulkan
arsitektur pembelajaran mendalam yang dapat memanipulasi data terstruktur, seperti grafik.

Latar Belakang Biografi

Geoffrey Hinton

Geoffrey Hinton adalah Wakil Presiden dan Rekan Teknik Google, Kepala Penasihat Ilmiah di The Vector
Institute dan Profesor Emeritus Universitas di Universitas Toronto. Hinton menerima gelar Sarjana Psikologi
Eksperimental dari Universitas Cambridge dan gelar Doktor dalam bidang kecerdasan buatan dari
Universitas Edinburgh. Beliau adalah Direktur pendiri program Komputasi Neural dan Persepsi Adaptif (kemudian
Pembelajaran dalam Mesin dan Otak) di CIFAR.

Penghargaan Hinton termasuk Companion of the Order of Canada (penghargaan tertinggi Kanada), Fellow of
the Royal Society (Inggris), anggota asing dari National Academy of Engineering (AS), International Joint
Conference on Artificial Intelligence (IJCAI) Award for Research Excellence , medali Emas NSERC Herzberg, dan
medali Emas IEEE James Clerk Maxwell. Ia juga dipilih oleh majalah Wired sebagai “The Wired 100—2016's
Most Influential People” dan oleh Bloomberg sebagai salah satu dari 50 orang yang mengubah lanskap bisnis
global pada tahun 2017.

Yosua Bengio

Yoshua Bengio adalah Profesor di Universitas Montreal, dan Direktur Ilmiah di Mila (Institut Kecerdasan
Buatan Quebec) dan IVADO (Institut untuk Valorisasi Data). Dia adalah Co-director (bersama Yann LeCun)
program Pembelajaran Mesin dan Otak CIFAR. Bengio menerima gelar Sarjana Teknik Elektro, gelar Master di
bidang ilmu komputer, dan gelar Doktor di bidang ilmu komputer dari McGill University.

Penghargaan Bengio termasuk ditunjuk sebagai Officer of the Order of Canada, Fellow of the Royal Society of
Canada dan Marie-Victorin Prize. Kiprahnya dalam mendirikan dan menjabat sebagai Direktur Ilmiah di Institut
Kecerdasan Buatan Quebec (Mila) juga diakui sebagai kontribusi besar di bidang ini. Mila, sebuah organisasi nirlaba
independen, kini memiliki 300 peneliti dan 35 anggota fakultas

4
Machine Translated by Google

peringkat. Ini adalah pusat akademis terbesar untuk penelitian pembelajaran mendalam di dunia, dan telah membantu
menempatkan Montreal di peta sebagai ekosistem AI yang dinamis, dengan laboratorium penelitian dari perusahaan-perusahaan
besar serta startup AI.

Yann LeCun

Yann LeCun adalah Profesor Perak di Courant Institute of Mathematical Sciences di New York

Universitas, dan Wakil Presiden dan Kepala Ilmuwan AI di Facebook. Beliau menerima gelar Diplôme d'Ingénieur dari Ecole
Superieure d'Ingénieur en Electrotechnique et Electronique (ESIEE), dan gelar PhD di bidang ilmu komputer dari Université
Pierre et Marie Curie.

Penghargaannya termasuk menjadi anggota Akademi Teknik Nasional AS; Doktor Honoris Causa, dari IPN Mexico dan École
Polytechnique Fédérale de Lausanne (EPFL); Penghargaan Pender, Universitas Pennsylvania; Medali Holst, Universitas Teknik
Eindhoven & Philips Labs; Penghargaan Luminary Nokia-Bell Labs Shannon; Penghargaan Peneliti Terhormat IEEE PAMI; dan
Penghargaan Perintis Jaringan Neural IEEE. Dia juga dipilih oleh majalah Wired untuk “The Wired 100—

Orang Paling Berpengaruh di Tahun 2016” dan “25 Orang Jenius yang Menciptakan Masa Depan Bisnis.” LeCun adalah direktur
pendiri Pusat Ilmu Data NYU, dan merupakan salah satu direktur (bersama Yoshua Bengio) program Pembelajaran Mesin dan Otak
CIFAR. LeCun juga merupakan salah satu pendiri dan mantan Anggota Dewan Kemitraan AI, sekelompok perusahaan dan organisasi
nirlaba yang mempelajari konsekuensi sosial dari AI.

Tentang Penghargaan ACM AM Turing

Penghargaan AM Turing (amturing.acm.org) dinamai Alan M. Turing, ahli matematika Inggris yang
mengartikulasikan dasar matematika dan batasan komputasi, dan merupakan kontributor utama kriptanalisis
Sekutu terhadap sandi Enigma selama Perang Dunia II. Sejak dimulainya pada tahun 1966, Turing Award telah
memberikan penghargaan kepada ilmuwan dan insinyur komputer yang menciptakan sistem dan landasan teori
yang mendorong industri teknologi informasi.

Tentang ACM
ACM, Asosiasi Mesin Komputasi (https://www.acm.org), adalah komunitas komputasi ilmiah dan pendidikan terbesar di dunia, yang
menyatukan pendidik, peneliti, dan profesional komputasi untuk menginspirasi dialog, berbagi sumber daya, dan mengatasi tantangan di
bidang komputasi. ACM memperkuat suara kolektif profesi komputasi melalui kepemimpinan yang kuat, promosi standar tertinggi, dan
pengakuan atas keunggulan teknis. ACM mendukung pertumbuhan profesional para anggotanya dengan memberikan kesempatan untuk
pembelajaran seumur hidup, pengembangan karir, dan jaringan profesional.

###