作者 | 陈大鑫

近日，2021年度IEEE 冯诺伊曼奖项结果正式公布！

Google 高级研究员（Senior Fellow）、AI掌门 Jeff Dean摘得本年度奖项，获奖理由为「表彰其对大规模分布式计算系统和人工智能系统的科学和工程贡献」。

此外，IEEE 创始人奖章（颁发给了美国博通公司创始人Henry Samueli）、 Jack S. Kilby 信号处理奖章等IEEE多项荣誉也已一并颁布。

IEEE 冯诺依曼奖（IEEE John von Neumann Medal）于 1990 年由 IEEE 创办，旨在表扬在计算机科学和技术领域取得突出成就的科学家。该奖项以对计算机科学具有重大贡献的现代计算机创始人之一约翰·冯·诺依曼命名。

冯诺依曼一度被后人誉为计算机之父，而图灵则是被誉为计算机科学之父、人工智能之父（另一说是约翰·麦卡锡）。

图左：图灵；图右：冯诺依曼

此外，我们可以看到IEEE冯诺依曼奖历届的获奖者也是大佬云集：

比如说在1992年，第一届IEEE 冯诺依曼奖颁发给了计算机天才科学家戈登贝尔（Gordon Bell）；

2010年这一奖项颁发给了图灵奖得主约翰·霍普克罗夫特（John Edward Hopcroft）；

去年IEEE 冯诺依曼奖则是颁发给了被誉为机器学习之父的加州大学伯克利分校Michael I. Jordan教授。

1

Jeff Dean介绍

Jeff Dean，1969年生，现年51岁。

据Jeff Dean所说，他小时候的旅行特别多，在许多地方生活过，从夏威夷到波士顿、乌干达、再到波士顿、阿肯撒州、夏威夷、明尼苏达、索马里、明尼苏达、亚特兰大、日内瓦、西雅图，最后到了加利福尼亚。

Jeff Dean在小时候就对电脑很感兴趣，因为他的父亲是一位医生，他父亲很希望知道电脑能不能用来帮忙解决健康医疗问题。所以当Jeff Dean的父亲在杂志封面底部看到当时第一台组装电脑Altair 8800的广告之后立刻就买了回家，那时候Jeff Dean才9岁。

在帮父亲“折腾电脑”的同时，他也慢慢学习了电脑知识，十二岁时，Jeff Dean买了一本游戏编程的书，后来他就能自己慢慢编程一些游戏源代码了。

此后，Jeff Dean在明尼苏达大学读了计算机和经济学本科，他的毕业论文内容就是研究如何并行训练神经网络，这是人工智能第一次热潮时的热门话题。

Jeff Dean这篇本科毕业论文，虽然正文只有8页，但是论文中提到的两种并行训练方法都是基于反向传播算法。（Jeff Dean本科毕业论文链接：https://drive.google.com/file/d/1I1fs4sczbCaACzA9XwxR3DiuXVtqmejL/view）

那时反向传播算法已经出现了，而深度学习之父Geoffrey Hinton后来成为了Jeff Dean的同事。

没错，准确地来讲，图灵奖得主Hinton 在2012年时当过一段时间Jeff Dean的实习生。

“2012年夏季时，我们组邀请 Geoffrey Hinton来作为访问研究员，但出于种种原因，他被归类为实习生了。”

Jeff Dean 在交流中开玩笑地说道：“实习生没有年龄限制。我们要求的是，实习生要有天赋，要渴望学习，像Geoffrey 那样”。

本科毕业之后，Jeff Dean并没有一直沿着AI的方向继续研究下去。随后他的兴趣转向编写高级面向对象语言的编译器，并且在这个领域取得博士学位。

有人评价说，Jeff Dean是一位具有编译器优化专业知识的计算机科学家，而TensorFlow本质上也是一种将神经网络加速，转化为与编译器优化相关问题的尝试。

Jeff Dean于1996年博士毕业于华盛顿大学计算机系(UW）。

1999年他加入初创期的Google，成为谷歌的第20号员工。

加入谷歌之后，Jeff Dean设计并部署了Google广告、抓取、索引和查询服务系统的大部分内容，以及位于Google大部分产品下方的各种分布式计算基础架构，也是Google新闻、Google翻译等产品的开发者。

值得一提的是，在2000年时，Jeff Dean与谷歌的另一位大神 Sanjay 二人曾一度成为在技术上挽救谷歌的双子星，他们二人那时每周工作九十个小时，全力编写代码，希望在不影响整体系统的情况下解决技术故障。

图注：Jeff Dean和 Sanjay 。

他们二人在那时页成为了最棒的搭档，最好的结对编程榜样。后来他们一起写出了业界赫赫有名的 分布式计算模型MapReduce，也都成为了谷歌高级院士——谷歌最初也是唯二的 11 级员工。

2011年，Jeff Dean邀请到吴恩达一起联合创办谷歌大脑，此后Jeff Dean深入参与了谷歌各项人工智能技术的策划与搭建，从AutoML到TensorFlow再到TPU。

2012年时，Jeff Dean与吴恩达的谷歌大脑团队通过深度学习技术，在学习1000万张图片之后，成功在YouTube视频中识别出了猫的图像，这在当时业界和学术界都引起了极大的轰动。

2015年，Jeff Dean发起打造并开源了深度学习框架TensorFlow，目前TensorFlow在全球的市场占有率仍是第一。

虽然Jeff Dean的官方title是Google高级研究员，但Jeff Dean在Google的地位可以称得上是仅次于创始人拉里·佩奇和谢尔盖·布林。

在2018年4月，Google内部架构进行调整，Jeff Dean接管Google整个AI业务和团队，据称工位也与Google现任CEO桑达尔·皮查伊相邻。

2

成为段子中的人

目前Jeff Dean个人荣誉有：美国国家工程院院士，ACM Fellow，AAAS Fellow。因为Jeff Dean实在太过强大，以至于硅谷工程师们编出了不少关于他有多牛多牛的段子，比如：

1、Jeff Dean的键盘只有两个键：1和0，Jeff Dean 是直接写二进制机器代码的，他写源代码只是为了给其他开发人员作参考。

2、当他被Google面试时，Jeff Dean被问及如果P=NP意味着什么。他说，“P=0 或者 N=1”。然后，在所有的面试官还没笑完之前，Jeff瞄了一眼Google的公共证书然后在白板上写上了对应的私钥。

3、编译器从来不给Jeff编译警告，而是Jeff警告编译器。

4、在2000年后段，Jeff码代码的速度突然激增了40倍，原因是他把自己的键盘升级到了USB 2.0。

5、Jeff还是会在提交代码前把它们编译一遍，不过这么做的目的只是为了检查下编译器和链接器有没有bug。

6、所有指针都是指向Jeff的，如果你命名三个指针分别为爱因斯坦、欧拉和图灵，当你查看它们的指向时，你看到的都会是Jeff。

7、当Jeff失眠时，他用Mapreduce属羊。

8、当Jeff听MP3时，他查看其中的二进制内容然后在他脑子里进行音频解码。

9、当贝尔发明电话后，他发现电话里有个Jeff的未接来电//当贝爷在沙漠中逮到一个手机时，他发现手机里有个Jeff的未接来电。

10、Jeff的键盘压根就没有Ctrl(控制)键，因为没有什么东西能控制Jeff 。

更多有关Jeff Dean的段子集，可移步Quora上的「谷歌大神Jeff Dean有多牛」合辑：https://www.quora.com/What-are-all-the-Jeff-Dean-facts

3

Jeff Dean与其谷歌争议风波

近些年来Jeff Dean随着谷歌一起在多件事情上在社会上引起了广泛的争议。

其一就是谷歌之前最为众人所熟知的不作恶原则。

然而令人遗憾的是，在18年的时候，谷歌因与五角大楼开展了军事AI合作：

谷歌员工抗议成不愿成为“杀人武器”，虽然不知道军事合作是由谁来拍板的，但是Jeff Dean作为谷歌AI负责人想必也是难逃干系。在2018年5月举行的一次开发者大会上表示，Jeff Dean表示他已经签署了一封信，反对用所谓的机器学习来研发AI武器——无需人类扣动扳机，即可辨别目标并开火的杀伤力武器。

谷歌不作恶的原则在随后也被废除。

其二是谷歌会不会用AI算法专利进行盈利。

2012年，谷歌公司为Hinton在2012年提出的对防止过拟合有很好的效果的Dropout算法申请了专利且已经生效，而今年Hinton发明的胶囊网络的专利也已被申请下来，但是值得注意的是，专利的最终所有权并不归Hinton而是谷歌公司所用。

2019年7 月，Jeff Dean以及谷歌几位研究人员在日本东京有一次分享会。

在分享会现场，Jeff Dean 亲自为谷歌为多个AI算法申请专利的情况首次进行了说明，他表示：

这些AI算法的专利是防御性质的，主要是为了防止谷歌研究人员的成果被他人申请专利后进行碰瓷，这样做是为了避免产生经济损失。

Jeff Dean 明确表示：

谷歌不会利用这些专利进行盈利，也不会使用AI算法的专利来攻击别的公司。

Jeff Dean 虽然明面上说的好听，然而商业的本质大家都是懂得的......

其三是Jeff Dean近日与谷歌AI伦理学家Timnit Gebru的解雇风波。

当地时间12月3日晚，谷歌Ethical AI团队联合负责人Timnit Gebru发推表示她被谷歌AI负责人Jeff Dean解雇。

事件的起因是Gebru想要发表论文，但被谷歌内部否决、要求撤稿，Gebru尝试沟通无果，控诉谷歌不尊重边缘群体的人权。

Gebru说她没有辞职，但她的经理给Gebru的直接下属发了邮件，说她“接受了我的辞职”。在那之后，Gebru说她的公司邮箱账户已经被关闭了。

Jeff Dean后来发邮件表示：

我很难过，在本周，你们当中可能有几百人已经收到了Timnit的邮件，并告诉你们停止一些关键的 DEI项目（critical DEI programs）。

请不要停止工作，我理解大家对进展速度的失望，但我们有重要工作要做，我们需要坚持。

我们都真诚的认同Timnit的理念，她也想让AI变得更加公平和包容。她离开谷歌之后，无论她到哪里任职，都会非常优秀。我也会时刻关注她的论文以及成就。

此事件进一步的发展请移步“Gebru被辞退的背后真相：指出BERT的4大危害，威胁谷歌商业利益”一文。

至于究竟谁对谁错，这里暂不做评价。

4

IEEE 2021完整奖项：

        

官网链接：https://corporate-awards.ieee.org/recipients/current-recipients/

完

总结1：周志华 || AI领域如何做研究-写高水平论文

总结2：全网首发最全深度强化学习资料(永更)

总结3:  《强化学习导论》代码/习题答案大全

总结4：30+个必知的《人工智能》会议清单

总结5：2019年-57篇深度强化学习文章汇总

总结6:   万字总结 || 强化学习之路

总结7：万字总结 || 多智能体强化学习(MARL)大总结

总结8：深度强化学习理论、模型及编码调参技巧

完

第91篇：详解用TD3算法通关BipedalWalker环境

第90篇：Top-K Off-Policy  RL论文复现

第89篇：腾讯开源分布式多智能TLeague框架

第88篇：分层强化学习(HRL)全面总结

第87篇：165篇CoRL2020 accept论文汇总

第86篇：287篇ICLR2021深度强化学习论文汇总

第85篇：279页总结"基于模型的强化学习方法"

第84篇：阿里强化学习领域研究助理/实习生招聘

第83篇：180篇NIPS2020顶会强化学习论文

第82篇：强化学习需要批归一化(Batch Norm)吗？

第81篇：《综述》多智能体强化学习算法理论研究

第80篇：强化学习《奖励函数设计》详细解读

第79篇: 诺亚方舟开源高性能强化学习库“刑天”

第78篇：强化学习如何tradeoff"探索"和"利用"？

第77篇：深度强化学习工程师/研究员面试指南

第76篇：DAI2020 自动驾驶挑战赛(强化学习)

第75篇：Distributional Soft Actor-Critic算法

第74篇：【中文公益公开课】RLChina2020

第73篇：Tensorflow2.0实现29种深度强化学习算法

第72篇：【万字长文】解决强化学习"稀疏奖励"

第71篇：【公开课】高级强化学习专题

第70篇：DeepMind发布"离线强化学习基准“

第69篇：深度强化学习【Seaborn】绘图方法

第68篇：【DeepMind】多智能体学习231页PPT

第67篇：126篇ICML2020会议"强化学习"论文汇总

第66篇：分布式强化学习框架Acme，并行性加强

第65篇：DQN系列(3): 优先级经验回放(PER)

第64篇：UC Berkeley开源RAD来改进强化学习算法

第63篇：华为诺亚方舟招聘 || 强化学习研究实习生

第62篇：ICLR2020- 106篇深度强化学习顶会论文

第61篇：David Sliver 亲自讲解AlphaGo、Zero

第60篇：滴滴主办强化学习挑战赛:KDD Cup-2020

第59篇：Agent57在所有经典Atari 游戏中吊打人类

第58篇：清华开源「天授」强化学习平台

第57篇：Google发布"强化学习"框架"SEED RL"

第56篇：RL教父Sutton实现强人工智能算法的难易

第55篇：内推 ||  阿里2020年强化学习实习生招聘

第54篇：顶会 || 65篇"IJCAI"深度强化学习论文

第53篇：TRPO/PPO提出者John Schulman谈科研

第52篇：《强化学习》可复现性和稳健性，如何解决？

第51篇：强化学习和最优控制的《十个关键点》

第50篇：微软全球深度强化学习开源项目开放申请

第49篇：DeepMind发布强化学习库 RLax

第48篇：AlphaStar过程详解笔记

第47篇：Exploration-Exploitation难题解决方法

第46篇：DQN系列(2): Double DQN 算法

第45篇：DQN系列(1): Double Q-learning

第44篇：科研界最全工具汇总

第43篇：起死回生|| 如何rebuttal顶会学术论文?

第42篇：深度强化学习入门到精通资料综述

第41篇：顶会征稿 ||  ICAPS2020: DeepRL

第40篇：实习生招聘 || 华为诺亚方舟实验室

第39篇：滴滴实习生|| 深度强化学习方向

第38篇：AAAI-2020 || 52篇深度强化学习论文

第37篇：Call For Papers# IJCNN2020-DeepRL

第36篇：复现"深度强化学习"论文的经验之谈

第35篇：α-Rank算法之DeepMind及Huawei改进

第34篇：从Paper到Coding, DRL挑战34类游戏

第33篇：DeepMind-102页深度强化学习PPT

第32篇：腾讯AI Lab强化学习招聘(正式/实习)

第31篇：强化学习，路在何方？

第30篇：强化学习的三种范例

第29篇：框架ES-MAML：进化策略的元学习方法

第28篇：138页“策略优化”PPT--Pieter Abbeel

第27篇：迁移学习在强化学习中的应用及最新进展

第26篇：深入理解Hindsight Experience Replay

第25篇：10项【深度强化学习】赛事汇总

第24篇：DRL实验中到底需要多少个随机种子？

第23篇：142页"ICML会议"强化学习笔记

第22篇：通过深度强化学习实现通用量子控制

第21篇：《深度强化学习》面试题汇总

第20篇：《深度强化学习》招聘汇总(13家企业）

第19篇：解决反馈稀疏问题之HER原理与代码实现

第18篇："DeepRacer" —顶级深度强化学习挑战赛

第17篇：AI Paper | 几个实用工具推荐

第16篇：AI领域：如何做优秀研究并写高水平论文？

第15篇：DeepMind开源三大新框架！

第14篇：61篇NIPS2019DeepRL论文及部分解读

第13篇：OpenSpiel(28种DRL环境+24种DRL算法)

第12篇：模块化和快速原型设计Huskarl DRL框架

第11篇：DRL在Unity自行车环境中配置与实践

第10篇：解读72篇DeepMind深度强化学习论文

第9篇：《AutoML》：一份自动化调参的指导

第8篇：ReinforceJS库（动态展示DP、TD、DQN）

第7篇：10年NIPS顶会DRL论文(100多篇)汇总

第6篇：ICML2019-深度强化学习文章汇总

第5篇：深度强化学习在阿里巴巴的技术演进

第4篇：深度强化学习十大原则

第3篇：“超参数”自动化设置方法---DeepHyper

第2篇：深度强化学习的加速方法

第1篇：深入浅出解读"多巴胺（Dopamine）论文"、环境配置和实例分析