我非常荣幸能和Geoffrey Hinton以及Yann LeCun一起因为在行业内的突出贡献而被大家誉为计算机科学三大巨头。我们共同撰写了一篇论文：深度学习，并发表在《自然》杂志的五月刊上，文章对人工智能领域我们所研究的方向的前景进行了阐述。但这个领域所需要做的事光靠几个“媒体明星”是远远不够的。为了达成更大的进步并实现更多的应用，人工智能领域无论在学术界还是工业界都需要成千上万个科学家和工程师们。（（注：文章中文版链接：http://wenku.baidu.com/link?url=nF8zA-hi7sA0Oh899TtU2AuCBr_Vb10gP2X3MtDDVcxTRJu-1Ghzxrr-0aWUj1HamFg9xh47gZBYnLI7Z3GPLth-FDr53aiX7My9YeO2Kxu）
这就是为什么我一直致力于为我们激动人心的事业网罗更多人才的原因。我与Ian Goodfellow和Aaron Courville合写了一部叫《深度学习》的书。我们的核心受众是学习机器学习的大学生以及一些软件工程师，他们在某些可能会用到机器学习的重要产业里工作。这本书已经放到网上了，我们欢迎大家来阅读和学习，并给我们一些好的反馈建议。
这令我想到了另一个我想表达的关键点:我是一个技术开放概念的拥护者。众多像开源开发者一样的技术开放运动支持者都坚信我们应该在获取新知识之后尽快分享出去，这能加快科学边界向外扩张的速度而且对大家都有利。我和很多同事们都把我们在深度学习领域的所有发明，应用在了GitHub的 Theano工具及其衍生项目上。这样，任何正在构建深度学习系统的人都可以使用这些算法和编程工具，当然我们也会敦促使用者回馈这个项目，有数百人已经这样做了。
正如共享之于技术开放的意义，透明化的协作也同样重要。整个学界形成了一个巨大的头脑风暴。其中，拥有5名教授在内共60名研究院的蒙特利尔学习算法研究所(MILA)，通过和许多大学及产业里的科学家进行项目合作，大大推进了整个学界的协作程度。
我们最近的研究合作伙伴是IBM。我们期待着通过与IBM研究部门以及Watson Group的科学家和工程师们的合作，能够实现深度学习在语言、演说和视觉领域应用的宏大研究计划。我们坚信只要大家齐心协力，就一定可以通过更为强大的能处理海量数据集的计算机，成规模地增加深度学习的技术和方法。它可以帮助计算机跨越更广泛的领域，从更多种类的数据来源中学的更快更多，包括那些还未被人类运用的不能被标注的海量数据。
我认为深度学习的未来非常激动人心。我们取得了一系列快速的发展，虽然我们目前离破解什么能让机器真正理解这个世界这一谜题还很远，但是我对我们最终能破解这个谜题充满了信心。
然后闸门就会被打开了，一旦计算机真正理解文本、语音、图像和声音，他们将成为我们不可或缺的助手。这将彻底改变我们与计算机交互的方式，帮助我们在日常生活中生活得更为方便，在工作状态中更加高效。它会让社会能够应对一些对我们来说非常重要的重大挑战，比如治疗致命疾病以及更广泛地传播知识和财富。更重要的是，它会帮我们理解我们自身，以及一直以来让我非常着迷的关于“智能是如何产生的”的命题。30多年来这一直是我的梦想，现在这个梦想正在快速的照进现实。