摘要：早在2018年，他就拿过“单日最高引用量”的计算机研究者桂冠，巧的是，同年他就跟辛顿、YannLeCun一起拿了图灵奖，那一年对他们仨来说，妥妥的“丰收年”。

10月25号这天，学术圈出了个大新闻YoshuaBengio成了谷歌学术上第一个论文引用量超过100万的人。

我当时查数据的时候还愣了下，这数字搁以前想都不敢想，毕竟学术引用可不是随便刷出来的。

更有意思的是，跟他齐名的“人工智能教父”GeoffreyHinton，同一天的引用次数也到了97万。

照这趋势，辛顿怕是用不了多久就能成全球第二个破百万引的人，俩大佬这进度跟赛跑似的，看着还挺带劲。

Bengio这身份可不一般，他是深度学习三巨头之一，还拿过图灵奖。

本来想只说他计算机领域被引最高，后来发现人家不光是领域内第一，放全球范围也是顶尖的。

早在2018年，他就拿过“单日最高引用量”的计算机研究者桂冠，巧的是，同年他就跟辛顿、YannLeCun一起拿了图灵奖，那一年对他们仨来说，妥妥的“丰收年”。

要说Bengio的学术路，其实挺有故事感。

他1964年在法国巴黎出生，家里是犹太移民，父母从摩洛哥先到法国，后来又搬到了加拿大。

他少年时期在蒙特利尔长大，之后在麦吉尔大学一路读下来，拿了工程学士、计算机科学硕士，最后是博士学位。

1991年博士毕业以后，还去MIT和AT&T贝尔实验室做过博士后，这履历放现在看，也是妥妥的“学霸模板”。

现在的Bengio身份一堆，蒙特利尔大学正教授，还是Mila魁北克人工智能研究院的创始人兼科学顾问，同时兼顾着CIFAR高级研究员、加拿大CIFARAI讲座教授这些职。

不光学术头衔硬，荣誉也没少拿，英国皇家学会院士、加拿大皇家学会院士，还有法国荣誉军团骑士，这些头衔随便一个都够学者拼好多年。

Bengio不光在学术上厉害，对AI的社会责任也挺上心。

2019年他拿了Killam奖，这可是加拿大最高学术荣誉之一；2022年就成了h-index全球顶尖的计算机科学家。

2023年更厉害，被任命为联合国科学咨询委员会成员，给科技突破提建议。

他还牵头写了《蒙特利尔负责任人工智能发展宣言》，一直呼吁要防控AI未来的潜在风险，这点我还挺认同的，毕竟技术发展快，规矩得跟上。

跟Bengio一起的“三巨头”里，辛顿的故事更让人佩服。

他在“人工智能寒冬”那几年，也就是上世纪八九十年代到2000年初，还一直坚持研究神经网络。

那时候AI不被看好，经费少、质疑多，能熬过来真不容易。

现在他97万的引用量，算是对这份坚持最好的回报了。

而且他还是IlyaSutskever的博士导师，师徒俩都成了AI圈的大人物，这传承也挺有意思。

另一位巨头YannLeCun，引用量有43万多，虽然比Bengio、辛顿还有何恺明、Ilya他们低一些，但他的贡献可不小。

卷积神经网络（CNN）的核心开发就有他的份，2015年他还跟Bengio、辛顿一起在《Nature》发了篇叫《深度学习》的综述，现在这篇论文成了领域里的标准参考文献，基本上做AI的都得翻一翻。

何恺明大家可能更熟一点，他的论文引用量超75万，是深度残差网络（ResNets）之父。

Nature还专门说过，他这篇ResNets的论文是二十一世纪被引最多的论文。

现在这残差连接的结构，不管是ChatGPT用的Transformer，还是AlphaGoZero、AlphaFold，甚至几乎所有生成式AI模型都在用，这影响力不用多说了吧。

何恺明的工作经历也挺丰富，2011年到2016年在微软亚洲研究院做研究员，之后去FacebookAI研究院待到2024年，现在是MIT电子工程与计算机科学系的终身副教授，还兼着谷歌DeepMind的杰出科学家。

他拿的奖也多，2025年刚得的ICCVHelmholtzPrize，还有2018年的PAMI青年研究员奖，ICCV、CVPR的最佳论文奖拿了好几个，妥妥的“获奖专业户”。

IlyaSutskever的引用量超70万，他最出名的事就是2012年跟导师辛顿、AlexKrizhevsky一起发明了AlexNet。

这模型不光在ImageNet竞赛里表现超神，还第一次把大规模GPU训练写进了论文方法论，算是给深度学习炸了个“引爆点”。

后来他去斯坦福大学跟AndrewNg做博士后，才两个月就回了多伦多大学，加入辛顿的DNNResearch公司。

2013年谷歌收购了这公司，他就成了谷歌大脑的研究员，参与过TensorFlow开发，还写过AlphaGo的论文。

2015年他跟人一起创了OpenAI当首席科学家，2024年5月离开，6月就跟别人开了家叫SafeSuperintelligenceInc.的新公司，这节奏也是够快的。

除了这几位，AI圈还有不少高被引学者。

比如GAN之父IanGoodfellow，引用量38万多；谷歌人工智能负责人JeffDean有37万多；创造ImageNet的李飞飞32万多；LSTM之父JuergenSchmidhuber和Coursera创始人吴恩达都是29万多；Gemini技术负责人NoamShazeer有28万多。

这些人各自在细分领域都有“看家本领”，少了谁AI圈都不完整。

可能有人会问，为啥这些AI学者的引用量能涨这么快？其实跟整个AI技术的发展分不开。

早在上世纪80年代，1986年反向传播算法就提出来了，这是神经网络训练的核心方法，但那时候硬件不行、数据也少，AI就进入了“寒冬”。

一直到2012年，AlexNet在ImageNet上表现特别突出，才算给深度学习正了名。

2015年三巨头那篇《Nature》综述一出来，整个领域的理论框架才算统一。

到了2017年，Transformer架构被提出来，2018年BERT又证明预训练、微调的模式在自然语言处理里特别好用，之后多模态、生成式AI就跟开花似的，一下全起来了。

现在新出的AI论文，几乎都会回头参考之前的神经网络、表征学习文献，那些奠基者的论文自然就被引得多。

而且AI现在成了全球的增长点，研究的人多了，论文总量也跟着涨。

AIIndex的数据显示，2010年到2022年，全球AI论文从大概8.8万篇涨到24万多篇，差不多翻了三倍。

2023年的时候，AI相关论文占计算机科学论文的比例，从2013年的两成多涨到了四成多，也就是说，计算机领域差不多一半的论文都跟AI有关，而AI又跟深度学习分不开，这样一来，奠基者的引用量能不涨吗？

从AI顶会的投稿量也能看出来这股热度。

ICLR2024年收了7262篇投稿，比2023年多了2324篇，最后录了2260篇；NeurIPS2024年更夸张，总投稿17491篇，录了4497篇；CVPR2024年投稿11532篇，录用率才两成多。

投稿的人多，录用率低，说明想做AI研究的人真不少，行业热度摆在这儿。

Bengio能破百万引用，不只是他一个人的功劳，更是整个AI时代推着走的结果。

这些高被引学者的故事，其实就是AI的发展史从辛顿熬“寒冬”，到Bengio、LeCun搭理论框架，再到何恺明、Ilya搞技术落地，每一步都踩着时代的节奏。

以后AI肯定还会往更多领域渗透，这些奠基者和中坚力量的研究，估计还会被不断引用。

而且他们不光搞技术，还像Bengio那样关注AI的社会责任，这才是推动行业健康发展的关键。

来源：世间一分钟一点号