Yann LeCun

概述 (50-200字符)

Yann LeCun（杨立昆），法国计算机科学家，深度学习三巨头之一，卷积神经网络之父，2018 年图灵奖得主，现任 Meta 首席 AI 科学家。

关键内容 (≥300字符, 用双链)

1. LeNet-5 与 CNN 的奠基：1990 年代在贝尔实验室工作期间，LeCun 针对美国邮政局（USPS）手写邮编识别难题，构建了端到端图像识别系统。1998 年发表 Gradient-Based Learning Applied to Document Recognition (1998 论文)，提出 LeNet-5 架构，确立了 卷积神经网络（CNN） 的完整框架——局部感受野、权重共享、池化层、端到端 反向传播 训练。这一工作证明了特征可以被自动学习，从此人工特征工程不再是图像识别的瓶颈。
2. 核心洞见：LeCun 的关键贡献在于将图像数据的两个先验知识编码为网络结构——局部性（相邻像素高度相关，有用特征是局部的如边缘、角点）和平移不变性（目标在图像任意位置都应被识别）。这一思想成为所有现代 CNN 的设计基础，从 AlexNet（2012）到 ResNet、EfficientNet 均沿袭此范式。
3. 历史地位：与 Geoffrey E. Hinton、Yoshua Bengio 共同获得 2018 年图灵奖，表彰他们在深度学习领域的奠基性贡献。LeNet-5 在手写识别上直接商业部署，是所有现代 CNN 的直接祖先。LeCun 后任 Facebook/Meta AI 研究副总裁，推动自监督学习（Self-Supervised Learning）和 JEPA 架构的发展。

来源

• LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324.

相关

• LeNet-5 — relates_to（提出的架构）
• Gradient-Based Learning Applied to Document Recognition (1998 论文) — relates_to（第一作者）
• 卷积神经网络（CNN） — relates_to（奠基者）
• 反向传播 — relates_to（应用于端到端训练）
• Geoffrey E. Hinton — relates_to（2018 图灵奖共同获得者）