Yoshua Bengio，刚刚成为全球首个百万引用科学家！

刚刚，计算机科学家 Yoshua Bengio 创造了新的历史，成为 Google Scholar 上首个引用量超过 100 万的人！

打个直观的比方，如果我们将每一篇引用论文打印成册（假设平均厚度为 1 毫米），然后将它们垂直堆叠起来，这座由知识构成的纸塔将高达 1000 米。这是什么概念？它将轻松超越目前的世界最高建筑，即 828 米的迪拜哈利法塔。

当然，伟大的头脑总是成群结队地出现。在这场 AI 的知识盛宴中，Bengio 并非独行者。他的老友，同为深度学习「三巨头」的 Geoffrey Hinton 和 Yann LeCun，其引用量也分别达到了惊人的 97 万和 43 万级别。

作为登顶百万引用科学家第一人。（需要说明，Bengio 并非首个收获百万引用的人。法国哲学家和思想史学家米歇尔·福柯（Michel Foucault）的 Google Scholar 引用量已经达到了惊人的 139 万。）Yoshua Bengio 的引用增长曲线，几乎与 AI 技术从边缘走向世界中心的爆发曲线完美重合。

因此，这 100 万次引用，不仅仅是对一位科学家的认可；它更像一座纪念碑，铭刻着 AI 从理论走向现实，并最终改变世界的波澜壮阔的二十年。

深度学习的拓荒者与 AI 的「良心」

在人工智能（AI）的璀璨星河中，很少有名字像 Yoshua Bengio 那样，既代表着开创性的技术突破，又承载着深沉的社会责任感。他与 Geoffrey Hinton 和 Yann LeCun 被世人并称为「深度学习三巨头」，共同摘取了计算机科学领域的最高荣誉：图灵奖。

然而，这位温文尔雅、说话轻声细语的科学家，在将世界带入 AI 新纪元的同时，也日益成为该领域最深刻的「吹哨人」之一。他的人生故事，是一段在「AI 寒冬」中坚守信念的学术史，也是一场在技术浪潮之巅，试图为人类未来掌舵的思想求索。

从科幻少年到学术新星

1964 年 3 月 5 日，Yoshua Bengio 出生于法国巴黎一个从摩洛哥移民而来的犹太家庭。他的成长环境充满了艺术与智识的熏陶。父亲 Carlo Bengio 是一位药剂师，同时也是一位剧作家，在蒙特利尔经营着一个用犹太 - 阿拉伯语表演的塞法迪犹太戏剧团；母亲 Célia Moreno 曾在摩洛哥的戏剧界崭露头角，后来在蒙特利尔共同创办了一个多媒体剧团。这种跨文化的艺术背景，或许早早就在 Bengio 心中埋下了自由思考与创新的种子。

当 Bengio 12 岁时，全家搬到了加拿大蒙特利尔。

彼时的他，已沉浸在阿西莫夫、雷・布拉德伯里和亚瑟・克拉克构建的科幻世界中。斯坦利・库布里克的电影《2001：太空漫游》中人与机器的关系，特别是「一位老师日复一日地教导一台机器认识世界」的情节，深深地吸引了他。「科幻小说是梦想未来的方式，」Bengio 后来回忆道。

从 11 岁起，他就开始用计算器编程，对数学和计算机科学的兴趣日益浓厚。他坦言自己记性不好，不擅长死记硬背，而这恰恰让他被只需推理的数学和计算机科学所吸引。

在家人的鼓励下，Yoshua Bengio 的才华得以自由发展。他和仅小一岁的弟弟 Samy Bengio（后来也成为 Google Brain 的杰出 AI 科学家，Torch 的三位作者之一，现为苹果公司 AI 与机器学习研究高级主管）几乎形影不离，共同研究、交流思想。

Bengio 兄弟：左为 Samy Bengio，右为 Yoshua Bengio

1986 年，Yoshua Bengio 顺利进入麦吉尔大学，并接连获得了电气工程学士、计算机科学硕士及博士学位，为他日后的学术生涯奠定了坚实的基础。

1991 年博士毕业后，他先后在麻省理工学院（MIT）和著名的贝尔实验室（AT&T Bell Labs）进行博士后研究，师从 Michael I. Jordan 等领域巨擘。1993 年，他回到蒙特利尔，正式加入蒙特利尔大学，开启了他影响深远的学术生涯。

在「AI 寒冬」中坚守

上世纪 80 年代末至 90 年代，当 Bengio 投身于神经网络研究时，这个领域正经历着漫长的「AI 寒冬」。

当时，主流学界对神经网络的实用性持怀疑态度，认为它更像一种「炼金术」，缺乏实际应用前景，研究资金也十分匮乏。许多研究者纷纷转向其他看似更有前途的方向。

然而，Bengio 与他的同行者 Hinton 和 LeCun 却选择坚守。他被 Hinton 基于神经网络构建「智能计算机」的构想深深吸引。Bengio 说：「这不仅仅是数学或计算机科学。这是关于理解人类智能，从而构建智能机器。」这种宏大的愿景支撑着他在逆境中前行。他后来反思道：「我想我可能对特定时期人们关心什么并不敏感，我只相信我正在做的事情。」

正是这份「不敏感」和执着，让 Bengio 在接下来的二十年里，取得了一系列奠基性的突破：

反向传播与循环神经网络 (RNN)：在 90 年代，他深入研究了反向传播算法，并在 1997 年与合作者引入了长短期记忆网络（LSTM），极大地提升了神经网络处理序列数据的能力，为后来的自然语言处理革命奠定了基础。
神经概率语言模型：2003 年，他发表了里程碑式的论文《A Neural Probabilistic Language Model》。该模型首次引入了「词嵌入」（word embeddings）的概念，将词语表示为连续的向量，有效克服了自然语言处理中的「维度灾难」问题，是现代语言模型（如 BERT、GPT）的直接前身。
深度学习架构的训练：2009 年的论文《Learning Deep Architectures for AI》系统性地阐述了深度学习的理论、挑战与解决方案，尤其是无监督预训练等技术，为训练更深、更复杂的网络铺平了道路，极大地推动了深度学习从理论走向现实。
生成对抗网络 (GAN)：2014 年，他与 Ian Goodfellow 等人共同提出的生成对抗网络，通过两个神经网络的博弈来生成以假乱真的新数据，开创了生成式 AI 的一个重要分支，在图像生成、艺术创作等领域产生了深远影响。

这些在当时看来略显边缘的研究，最终汇聚成一股强大的洪流，彻底改变了 AI 的面貌，也让 Bengio 从一位默默无闻的探索者，成长为全球顶尖的学术巨星。

扎根蒙特利尔，打造 AI 新高地

尽管声名鹊起，Bengio 却刻意与硅谷的明星文化保持距离。当 Hinton 和 LeCun 分别加入谷歌和 Facebook 时，他选择留在蒙特利尔，专注于更为纯粹的学术生活。「我不喜欢将科学个人化，把某些科学家变成明星，」这位自称内向的人说道。

他将精力倾注于创办蒙特利尔学习算法研究所（MILA）。他的愿景是创建一个连接学术界与产业界的开放合作中心，吸引全球顶尖人才。

在他的领导下，MILA 凭借其在深度学习领域的卓越研究，迅速成长为全球领先的 AI 研究机构之一，也成功地将蒙特利尔打造成了与硅谷、伦敦并驾齐驱的全球 AI 中枢。

在同事眼中，Bengio 是一位打破常规、崇尚自由的思想者。他不喜欢等级制度，甚至会将自己项目的收益分享给年轻的同事。他的理念正如 1968 年巴黎学生运动的口号：「禁止禁止」（It is forbidden to forbid）。这种精神也体现在他联合创办的 AI 企业孵化器 Element AI 上，致力于将前沿研究转化为实际的商业应用。

成为 AI 时代的「良心」

随着他亲手推动的 AI 技术以前所未有的速度渗透到社会生活的方方面面，Bengio 的内心开始经历一场深刻的转变。他越来越担心，这些强大的工具若落入「坏人」之手，可能会导向一个黑暗的未来，甚至创造出现实的「杀手机器人」。

2023 年 5 月，他在接受 BBC 采访时坦言，对自己毕生的工作感到迷失（lost），因为他看到 AI 技术被滥用的风险与日俱增。这种忧虑，使他从一个纯粹的科学家，逐渐转变为一个积极的社会活动家和伦理倡导者。

他将理想寄托于《星际迷航》而非《终结者》的未来愿景。「在《星际迷航》中，人类通过民主治理，每个人都享有良好的医疗、教育和食物，除了对抗外星人，没有战争。」Bengio 说，「我也在努力将科学与如何改善社会结合起来。」

他的担忧并非空谈，而是付诸了一系列切实的行动：

推动伦理准则：他帮助起草了《蒙特利尔 AI 负责任发展宣言》，倡导透明、公平和可解释的 AI。
呼吁国际监管：他公开支持签订国际条约，禁止「致命性自主武器」（杀手机器人）的研发与使用。
签署公开信：在 GPT-4 问世后，他与众多专家共同签署了生命未来研究所的公开信，呼吁暂停训练比 GPT-4 更强大的 AI 系统至少 6 个月，以便社会有时间评估风险、建立护栏。
领导国际安全报告：他受英国首相委托，领导撰写关于先进 AI 安全性的国际科学报告，评估其可能带来的网络攻击和「失控」风险。
创办非营利组织：他发起了名为 LawZero 的非营利组织，旨在构建能够检测和阻止自主智能体有害行为的「诚实」 AI 系统。

Bengio 介绍 LawZero

尽管如此，Bengio 并非一个悲观的技术恐惧者。他认为，将机器拟人化，想象它们会因为拥有情感和自尊而背叛人类的「终结者情景是荒谬的」。他强调，真正的风险不在于机器的「觉醒」，而在于人类对强大工具的滥用和控制不当。他说:「你不能因为代数被用来计算导弹弹道就去责怪代数的发明者，但我们需要明智地行动。」

Bengio 的高引论文

根据 Google Scholar，Yoshua Bengio 超过 1 万引用的论文或著作达 19 之数，超过 1000 引用的则达到了 96 篇，其中更是有两篇的引用量超过了 10 万 —— 两者加起来超过了其当前百万引用量的五分之一。

其中最高的便是 Yoshua Bengio 与 Ian Goodfellow 等人共同提出生成对抗网络的同名论文《Generative Adversarial Nets》。

论文地址：https://arxiv.org/abs/1406.2661

这篇论文提出了著名的生成对抗网络（GAN），其核心的对抗性训练技术以及由一个生成器 (Generator) 和一个判别器 (Discriminator) 构成的独特架构，展示了其在生成高质量数据样本领域的巨大潜力。

具体来说，该框架通过让两个神经网络（生成模型 G 和判别模型 D）相互博弈来进行训练。

G 的任务是学习真实数据的分布，以便生成足以以假乱真的样本（如同伪造者），而 D 的任务则是尽力区分真实数据与 G 生成的伪造数据（如同警察）。这种对抗过程形成了一个「极小极大两玩家博弈」 (minimax two-player game) ，整个系统可直接使用反向传播算法进行端到端训练，从而成功规避了许多传统生成模型中对马尔可夫链的依赖或复杂的概率计算等难题。本文重点介绍了这一由生成器和判别器组成的对抗性网络架构。该文通过在 MNIST、CIFAR-10 等数据集上的实验证明了此框架的可行性与潜力，并展望了其在条件生成模型、半监督学习等方向上的广阔应用前景。

紧随其后的便是 Bengio 与 Geoffrey Hinton 和 Yann LeCun 合著的《Deep learning》。

论文地址：https://www.nature.com/articles/nature14539

这是一篇重要的奠基性论文，主要阐述了深度学习的基本概念、核心技术、主要架构及其在多个领域的巨大影响。

具体来说，深度学习可通过构建多层计算模型，让机器能够自动从大规模数据中学习到具有多个抽象层次的特征表示。该方法利用反向传播算法 (backpropagation) 来调整模型内部参数，成功克服了传统机器学习依赖人工设计特征的局限性。本文重点介绍了两种关键架构：在图像处理领域取得革命性突破的卷积神经网络（CNN）以及在处理文本和语音等序列数据上表现出色的循环神经网络 (RNN)。该文总结道，深度学习已在诸多领域（如视觉识别、语音识别等）取得巨大成功，并展望其未来将在无监督学习及与强化学习结合等方向上取得更大进展。

有意思的是，Bengio 引用量第三的也是《Deep Learning》，不过这不是一篇论文，而是他与 Ian Goodfellow 和 Aaron Courville 合著的经典教材 —— 其已经获得超过 8.6 万次引用！

下图展示了其 19 篇超过万引的论文或著作的数据详情。

Bengio 仍在继续向前

值得注意的是，现年 61 岁的 Yoshua Bengio 依然笔耕不辍，依然继续在以第一作者的身份发表论文和研究报告。

比如今年 9 月他与学生 Eric Elmoznino 在顶尖期刊 Science 发表了《Illusions of AI consciousness》一文，探讨了两大问题：

随着 AI 的不断改进，科学界和公众对 AI 具有意识的信念将如何演变？
如果我们开始把未来的 AI 当作有意识的生命体看待，将会面临哪些风险？比如 AI 不服从人类命令，那么关闭 AI 有没有法律约束，毕竟那时的 AI 被看做一个生命体。

今年十月，他又继续以一作身份发布了一份 AI 安全报告《International AI Safety Report 2025: First Key Update: Capabilities and Risk Implications》，基于大量新证据对 AI 安全进行了重新评估。

Bengio 为该报告撰写的前言

而有 Yoshua Bengio 署名的新论文更是接连不断地在涌现。在这些层出不穷的论文中，Bengio 的名字常常出现在作者列表的最后。在学术界，这通常意味着他是项目的指导者、实验室的负责人，为年轻研究者们的探索提供了方向、资源与最终的把关。这背后，其实正体现了他作为一位导师的另一重巨大贡献：培养下一代顶尖人才。