何恺明有机会拿图灵奖吗？
- 167 个点赞 👍
2019 年提出这个时可以被归为行为艺术，根本不值得回答。
2023 年再次审视时已经不那么行为艺术了。下面时写于2023年三月的认真回答，不再修改，立贴为证。
恺明非常有机会在二十年内拿到图灵奖，但并不是板上钉钉。以下几点是变数。
- 一定一定要保持身体健康。图灵奖不会发给已经过世的人 (此处向孙剑博士默哀五分钟)。近二十年图灵奖有严重老龄化，终身成就奖化的趋势。Alfred Aho 2020 年得奖时已经 79 岁了。即使成就瞩目也要有耐心慢慢熬。
- 如果恺明能加入 MIT 这样的名校当教授并保持稳定输出，将极大程度增加得奖概率，加快得奖速度。图灵奖的评委多数在大学里，图灵奖历史获奖者里大学教授占压倒多数。
- 避免结仇，避免卷入丑闻。
- 历史上图灵奖相对更青睐做理论研究的学者，但这种趋势未来会逐渐改变。做自己喜欢并擅长的事就好，没有必要刻意去迎合评委的口味。
发布于 2023-03-13 11:19・IP 属地美国查看全文>>
高德纳 - 150 个点赞 👍
第一点，我觉得何的resnet竞争不过transformer。
最主要的原因，resnet看上去工作量不太够，工作量难以支撑起图灵奖。而transformer，和cnn的关系，如同英伟达显卡和amd显卡的关系，而cnn的作者已经拿过图灵奖了。如今最火出圈的两个作品，stable diffusion（扩散模型）和chatgpt，都用到了transformer的技术。
第二点，没准何恺明可以和transformer之父联手拿图灵奖。
首先，transformer本身就用到了跳跃连接。其次，现在的模型和之前的模型相比，无非就只有两处提升：结构更加先进，大小更加庞大。和早期的cnn相比，transformer代表了更加先进的结构；正是有，也必须有何的跳跃连接，模型规模才能越做越大。何和transformer能联手拿奖，则概括了模型近年的发展
声明
- 有人说stable diffusion里面没有transformer，如图，橙色方块：
2. 我不是说transformer或者resnet有多好，我只是说这两个工作影响力足够大。现在transformer引用68k，resnet引用160k。之所以我更看好trasnformer，是因为resnet看上去实在过于简单。我觉得resnet拿图灵奖没戏，没有"基本"。在我这里最好的结果就是，resnet跟其他作品一起拿奖。
编辑于 2023-03-21 18:37・IP 属地安徽查看全文>>
SuperMouseman - 43 个点赞 👍
引用数量不能表明一切，何恺明唯一长期保持着影响力的工作就是Resnet，离图灵奖还是有点远了
去雾和fast R-CNN已经没人用了，MoCo和MAE被CLIP压制着，也就Resnet一颗常青树。
我发现了一件事
重视目前的工业落地的人会更重视He的成就，喜欢把AGI/zero-shot当作目标的会相对轻视一些
可能这就是道不同吧
编辑于 2023-08-03 19:22・IP 属地浙江查看全文>>
可爱AI - 8 个点赞 👍
有的。
这些奖都是投票出来的。
他去麻省理工教书，每年申请多一些经费，培养多一些学生。
学生也培养更多学生。
另外注意养生。
最后整个人工智能界都是他的徒子徒孙。
大家投票让他拿图灵奖就可以了。
发布于 2023-04-11 13:23・IP 属地广东查看全文>>
babyquant - 2 个点赞 👍
有机会，但是这十来年不一定。
Deep Residual Learning for Image Recognition
这篇文章提到的ResNet结构，并不多是少有的从CNN时代穿透到Transformer，甚至到RWKV，Mamba等变种的基础模型的架构设计。
它可以认为是 Backward Propagation级别的设计，没有它，现阶段的任何一个神经网络可能都过不了二十层。
可以这么说：
FFN 代表了知识
QKV代表了查询知识
而 ResNet就是信息流通的通道，从QKV到FFN必须要有ResNet才能完成信息的流通！
尽管它实在是太简单了，但是它足够的优秀不是吗？
发布于 2025-03-29 14:32・IP 属地浙江查看全文>>
亚东