人物

在「机器能不能思考」上重要：他把这个哲学问题改写成一场可操作的游戏，并在计算机还只会算弹道的 1950 年预言了会学习的机器。

GPT-1、GPT-2、CLIP、Whisper 的第一作者；OpenAI 的「生成式预训练」路线在他的实验里成型。

AlexNet 的第一作者，亲手写了在两块 GPU 上训练卷积网的代码；深度学习的爆发点署着他的名字。

在历史这一层重要的不是他的研究，是他的讲解：从 1989 年 LeCun 的网络复现到「一小时讲 LLM」，他把三次浪潮的技术脉络讲给了最多的人。

把机器学习讲给最多人的老师：Coursera 上的 ML 课是一代工程师的入门；办 The Batch 每周把前沿压成一页。在这张图上他重要在「教」这条边，不在研究。

Chinchilla 论文的共同作者，2023 年创办 Mistral；Mistral 7B 用更少参数打败更大的模型，是欧洲开放权重路线的代表。

1959 年的跳棋程序靠自我对弈改进评估函数，水平超过作者本人；「machine learning」这个词是他起的。

Transformer 论文的第一作者；把序列模型里的循环全部拿掉、只留注意力，之后所有大模型的骨架。

Hugging Face 的 CEO；transformers 库和模型中心让预训练模型的分发标准化，开放权重生态有一个「GitHub」是他的功劳。

前 OpenAI 治理研究员，AI 2027 情景的主笔：把「几年内到 AGI」写成一条带日期的时间线，所以是 opinions 里最容易被证伪、也最值得到期复盘的一条。

OpenAI 研究副总裁时期主导 GPT-2、GPT-3 和 scaling laws，2021 年带队离开创办 Anthropic；「scaling + 安全」这套叙事的作者。

DQN、AlphaGo、AlphaZero 的强化学习主导者；「自我对弈 + 搜索」这条线从 TD-Gammon 到 AlphaZero 的集大成在他手里。

DeepMind 的创始人；AlphaGo 把深度学习的形象从「识图」变成「会决策」，AlphaFold 把它带进科学发现，后者拿了诺贝尔奖。

Cyc 的发起人，从 1984 年起花近四十年手工编码常识；这是符号派最长、最彻底的一次实验，它的结局是理解「知识为什么不能手写」的最好案例。

长访谈播客的主持人：三个小时追问一个人，让实验室里的人说出平时不写进博客的判断。前沿这一层里「关键人物的言论」大半经他之口。

SemiAnalysis 的创办人，从芯片、电力、数据中心算 AI 的成本账。算力经济这一节的数字大多溯源到他。

专家系统之父：DENDRAL 证明「领域知识比通用推理重要」，他把这件事概括成知识工程，并亲手推动了 1980 年代的专家系统产业。

ImageNet 的发起人：在算法比数据更受重视的年代押注「数据规模」，2012 年 AlexNet 的爆发是在她的数据集上发生的。

感知机的发明者，第一个让机器从样本里学权重并做成硬件的人；他的路线被压制了一代人，1986 年之后才被证明是对的。

神经网络寒冬里坚持最久的人：1986 年推广反向传播，2006 年重新点燃深度学习，2012 年和学生做出 AlexNet；2023 年离开 Google 后转向警告风险。

GAN 的发明者（据说一晚上写出来的），深度生成模型这条支线的起点；也是《Deep Learning》教科书的第一作者。

从 AlexNet 到 seq2seq 再到 GPT，三次浪潮转折点上都有他；OpenAI 的首席科学家，scaling 信仰最早的布道者，2024 年离开后创办 SSI。

Anthropic 联合创始人，之前在 OpenAI 做政策；Import AI 周报办了近十年，是看「这周哪些论文值得注意」最稳的一条流。

物理学家出身，Scaling Laws 论文的第一作者，把「投入算力能换多少损失」变成一条可以外推的幂律；Anthropic 的联合创始人。

Google Brain 的创建者，把深度学习从研究项目变成 Google 的基础设施（DistBelief、TensorFlow、TPU）；现在是 Google 的首席科学家。

NVIDIA 的创始人；CUDA 让 GPU 成为通用计算设备，AlexNet 之后 GPU 就是深度学习的物理基础，scaling 这一波的账单都付给他。

给这个领域起了名字（1956 年 Dartmouth 提案），发明了 Lisp，并坚持「智能是形式化推理」的路线；1973 年 Lighthill 辩论里为 AI 辩护的就是他。

ELIZA 的作者；他惊讶于用户对一个模式匹配程序投入感情，后半生在批评 AI 的过度承诺。「看起来懂」和「真的懂」的区别从他开始。

贝叶斯网络让不确定推理变得可计算，把概率带回了被逻辑统治的 AI；他是第二次浪潮「统计」一侧的代表，后来又转向因果推断。

LSTM 的共同作者，IDSIA 的负责人；他的实验室在 2011 年前后就用 GPU 卷积网赢了多项比赛，长期主张很多「新」想法他的组早就做过。

ResNet 的第一作者；残差连接让百层网络可训，从此成了每个深网（包括 Transformer）的标配。

DeepSeek 的创始人；用量化基金的算力和一支小团队做出开放权重的推理模型，证明前沿能力不是几家美国实验室的专利。

Lil'Log 的作者：每隔几个月写一篇把一个方向（agent、RLHF、扩散模型）从头梳到尾的长文，是「有事再查」时最先翻的综述。

MIT AI 实验室的创建者之一；《Perceptrons》让神经网络沉寂十几年，他本人却是从神经网络（SNARC）起步的。符号派的旗手。

Interconnects 的作者，Ai2 的后训练研究者；RLHF 那本公开书也是他写的。后训练与开源模型这条线上，他的判断最一手。

Transformer 的共同作者，也是稀疏专家混合（MoE）和多查询注意力的提出者；离开 Google 创办 Character.AI，2024 年又被买回。

RLHF 的原始作者：2017 年用人类两两比较训练奖励模型，2022 年同一套方法做出 InstructGPT；之后专注对齐研究。

强化学习教科书的作者、时序差分学习的提出者；2019 年的《The Bitter Lesson》是 scaling 时代被引最多的一页纸。2024 年图灵奖。

OpenAI 的 CEO，把一个非营利研究室变成以 ChatGPT 为中心的产品公司，也是算力军备竞赛的主要推手。

《Build a Large Language Model (From Scratch)》的作者：逐行写出一个 GPT 的书和配套仓库，L2 复现项目的参考答案；Ahead of AI 跟踪新论文。

1991 年的硕士论文就指出了梯度消失问题，LSTM 是他给出的答案；Transformer 之前的序列建模默认骨架。

Django 共同作者，近几年每天记录 LLM 工具的实际用法；prompt injection 这个词和「致命三要素」的提法都出自他的博客。应用工程这一层最勤的一线观察者。

Latent Space 的主办人，「AI Engineer」这个岗位名和它的年会都是他推起来的；岗位族那一节的词汇有一半来自这里。

SHRDLU 是符号派自然语言理解的巅峰演示，他后来自己承认这条路出不了积木世界，转向人机交互。

word2vec 的作者；把语言模型砍到只剩一个预测任务，换来在十亿词上训练词向量，预训练表示从他开始成为常规。

统计学习理论（VC 维）和支持向量机的作者；2000 年代有理论保证的分类器就是他的，深度学习要到 2012 年才压过它。

与 Walter Pitts 一起把神经元写成逻辑单元；这篇论文同时是神经网络和符号计算两条路线的共同起点。

卷积网络的奠基人，1989 年就用反向传播识别邮编；后来创建 Meta 的 FAIR 并主张开放研究，是 LLaMA 开放路线的推手。

2003 年的神经语言模型是词向量和 LLM 的共同源头；2014 年他的实验室做出注意力机制和 GAN；留在学术界，创建了 Mila。