AI 的最打衝擊再教育 。台大「人文館」是不是好建築? 學生PK讓簡學義上了一堂課。鄭紹鈺 幫哈佛大學部的學生說些話： 2025年5月24日 ·

 

台大「人文館」是不是好建築?

學生PK讓簡學義上了一堂課

佳評無數的「台大人文館」，在台大學生心目中又是如何被評價的呢?

甫獲「國家文藝獎」的簡學義，優雅地說出建築應該謙虛、無我、服務社會、回應社會文化…，說得漂亮，做得到嗎?

這回特別邀請他來聽聽學生的PK，一方面是想要聽其言觀其行，一方面其實也是希望對他的「修行」有所幫助。

他慨然答應準時出席。這個行動，可以給他加分!

我讓他坐在教室後門的角落邊，沒讓學生知道，免得影響反方的火力。只有我老婆余宜芳陪在他旁邊，「必要時」給他打打氣

正反方各四人，經過四十分鐘輪番上陣攻防結果，全班近兩百人投票，正方僅以四票險勝，這有點出乎意料!本以為利用各方佳評就可輕易壓倒對方的正方，竟然打得這麼辛苦，顯然反方掌握了某些有利論述。這值得我們建築專業者玩味。

當然，這場PK的正反方資源不太對等，反方很難辯，所以投票前告訴同學們應排除先入為主的主觀意念，多從PK技術的角度給分。但假如反方沒有動人的論點，其實光靠技術應也拿不到這樣的成績。

投票結束後才讓神秘嘉賓現身，同學少不得一陣歡呼。簡學義講評時第一句話就酸我這樣的題目出得不好:「建築的好壞是不能辯論的!」但他也語帶詼諧地為他自己做了許多說明，想要化解反方的意見。

反方的意見多集中在人文館為了創造優美、穿透、輕巧的形式，犧牲了功能性，不符合「形隨機能」的現代建築精神，讓許多空間埋在地下、許多動線讓人迷路、許多角落過於隱密讓人不安，下雨天要撐傘進教室。

同學的反面意見讓我都有點意外!或許吹毛求疵，但終究是使用者的意見。也或許瑕不掩瑜，蓋不過人文館所達成的成就，但值得建築師參考。簡學義應該聽進去了。聽多了歌功頌德，這樣的一堂課，說不上震撼，但應該是值得的。

簡學義說的也沒錯，建築的好壞不能靠辯論。但允執厥中是設計的最終歸宿;但要到那個地方，卻要從光譜的兩端收斂。辯論或許是從兩個極端往內修進的起手式。  只要這個地方能夠發生一些好故事，那它就是一個好建築。

鄭紹鈺 

2025年5月24日 ·

幫哈佛大學部的學生說些話：

目前處在美國歷史時刻，學校正在跟美國政府上演世紀攻防，心裡已經夠煩了，但在網路上看到有些攻擊哈佛學生的素質的，我只能說在這種批評就大可不必了。之前教大班課，形形色色的大學生部的學生也都打過交道。

自己在哈佛跟臺大兩間學校待過，在哈佛也教過大學部的學生（當老闆大班課的TF，每周兩組兩小時左右的sessions)。哈佛大學部的學生有些我實在不能習慣的地方：超愛要分數(yes)、愛寫作業而不愛看書(yes)，不熱愛開放討論而更喜歡問功課（yes)，讓我對於哈佛大學部的學術氣氛感到有點失望，但你說這些人是家裡捐錢就可以進來的？

以下當然很bias，因為我只教過經濟系的大班課，沒教過別的系的，所以這樣本不能概括所有大學部。

我教的班上成績最好的學生是什麼族裔？不少都是墨西哥移民，有個學生從小住在美墨邊界，每天都要「通關」到美國這邊來唸高中，老師上正課，她一大早就到了前排佔了位子，打開平板，老師的講義早就先預習過了，已有筆記，老師講到重點處，再用不同顏色再做一次筆記，我上助教課時，必定比我早十分鐘到，每次作業都是很仔細的回答，也都有自己的想法。這學生家裡在墨西哥背景好嗎？當然比村上的鄰居好，不然怎麼可能讓她從小這邊通關唸書，但你說她能不能靠家世背景進來？這很難。

有的學生高中時就發了CS領域的top conference paper然後還拿了某某羽球冠軍，有的學生上大學前已經在海外基地當兵打過仗還有軍階，有的學生是一個巴基斯坦移民，爸媽的故事已經夠慘了（以下從阿公在印巴戰爭跟家族blabla等等先省略次大陸大江大海五千字），但在某鄉下州從國中就跟一個數學系教授做研究，高二就發了數論文章。至於那種美國東岸猶太家族的學生的資歷之雄厚我就不說了。每一個學生的cv都是一大排。

有些學生也蠻可愛，好些是運動員的學生，他們比較是走武軌還非文軌進來的，但他們還是早上被撞到骨折下午還是想來我office hour。

臺灣去那邊唸的大學部學生家境當然也挺好的，但重點是這些學生有蠻多特別的想法（像我有一個哈佛大學部的學弟蠻常聊的，前陣子他才利用哈佛資源跑去肯亞跟亞馬遜森林做研究）。但跟一堆排隊想把學生塞進哈佛的北美權貴比，那些學生的家境真的都不算什麼。

你說這樣子的學生能不能像臺灣人畢業後一樣當實打實又耐操的工程師？大概不行，但哈佛大學部的高教目標坦白說也不是這個。

就像我之前教書時被系上要求的，系上一個faculty對我教大學部的期待是：你要讓同學去問全世界的問題，因為哈佛出來就是可能被要求要解決全世界問題的，而你在教學時也要能回答全世界的問題，於是我備課要能夠從瓜地馬拉講到納米比亞，要從希羅多德講到朴正熙，因為這是哈佛定義的LEADERSHIP。

（該faculty又說：「你要找工程師？去對面那個M校。」）

你對這種「領導」的定義買不買單是一回事，但至少看下來有市場需要。不少同學畢業前準備很多職位的面試，有來跟我討論怎麼準備，這也是北美市場對不少哈佛大學部畢業生的想像吧。

哈佛有不少大學部學生來自世界上的權貴，但不代表你是權貴就能把小孩塞進來。亂七八糟的八卦很多，不能求證的就不公開說了，只能私底下說。

但我至少知道很多家族捐了鉅款但小孩還是沒上哈佛，也有哈佛講座級教授（教授自己以前是哈佛大學部）的小孩申請哈佛沒上的，Legacy admission沒那麼容易。

這種meritocracy不是中國宋帝國科舉的那種，更像唐帝國奔放的長安那種，講門地，求溫卷，搞身言書判，就算考進士也在考詩賦。

外界免不了許多有道理的批評：有錢人才玩的起，從三歲就在刷cv等等。事實上，三歲才開始刷cv已經太晚了，一個政府系的助理教授是我的好麻吉，他小孩子還小，之後要進某個day care，從一歲就有某某scholarship了，這多競爭？父母是哈佛教授未必能申請上該scholarship。

所以說到底，哈佛是一種北美資本主義的meritocracy，不是給窮子弟的meritocracy，更像是給一定家世以上的人的meritocracy，尤其這間學校不是你是權貴就可以塞進來。我有很多八掛很想講，但可惜不能公開說。（題外話：科舉社會真的對窮子弟很友善嗎...)

想當然，你得是菁英的小孩子，才可能從高中就在發CS的conference paper，但你真的要在唸高中就發ICLR?這不是隨便一個權貴的孩子都發得出來。

也是因為哈佛大學部被弄得這麼難進，現在不少校友（不只是川普政權）對於哈佛DEI政策有了莫大的焦慮，其實就是跟這meritocracy的存續有關。批評DEI政策是一回事，但質疑大部份學生的素質是另一回事。

----

雖然我真的很討厭我的學生一直--一直--一直跟我要分數，好像少一分是少一塊肉，但哈佛大學部的學生素質在我眼中的確是地球上最頂尖的一群。

當然你說這高教系統弄出來的菁英最終不太在意美國的全球地位，值得批評，我完全同意，我之前寫文章談過，而這關乎高教定位的討論，比方Niall Ferguson之前當HKS Fellow的時候批評：以前Oxbridge的學生畢業後想要去當總督，但Harvard畢業後都去高盛或麥肯錫賺大錢，Niall 這聽起來像老帝國主義的嘮叨，當中其實有些道理，但這是後話，未來再談。

至於這邊入學博班的篩選？那是另一個恐怖故事了。下期再談。

Fei-Fei Li 李飛飛：史丹佛大學兩大AI研究機構合併，以後再介紹。 K-12 教育改革。 (World Labs 共同創辦人暨執行長，宣布World Labs已籌集10億美元資金。他們正準備將人工智慧帶入3D領域。這種「空間智能」將使機器人能夠洗碗或整理襪子。) Fei-Fei Li 與 Jeetu Patel 談空間智能為何是 AI 下一前沿、Marble 世界模型、資料與通用機器人的挑戰，以及對 AI 論述的期待。 Dr. Yann LeCun 勒昆博士，人工智慧先驅 , 65 歲 談 ：科技「大軍」走錯了方向，正走向死胡同。他的新創公司試圖預測人工智慧行為的後果tried to predict the outcome of its actions. 。他說，這將取得更大進展。 大型語言模式 (LLM) 的限制： 缺乏真正的推理能力。為何語言能力 ≠ 智能。...... 7位得主齊獲殊榮 The winners of the 2025 Queen Elizabeth Prize for Engineering were awarded to seven individuals for their seminal contributions to the development of modern machine learning,

 

Fei-Fei Li  李飛飛：史丹佛大學兩大AI研究機構合併，以後再介紹。 K-12 教育改革。 (World Labs 共同創辦人暨執行長，宣布World Labs已籌集10億美元資金。他們正準備將人工智慧帶入3D領域。這種「空間智能」將使機器人能夠洗碗或整理襪子。)     Fei-Fei Li 與 Jeetu Patel 談空間智能為何是 AI 下一前沿、Marble 世界模型、資料與通用機器人的挑戰，以及對 AI 論述的期待。 Dr. Yann LeCun 勒昆博士，人工智慧先驅 , 65 歲 談  ：科技「大軍」走錯了方向，正走向死胡同。他的新創公司試圖預測人工智慧行為的後果tried to predict the outcome of its actions. 。他說，這將取得更大進展。 大型語言模式 (LLM) 的限制： 缺乏真正的推理能力。為何語言能力 ≠ 智能。......  7位得主齊獲殊榮  The winners of the 2025 Queen Elizabeth Prize for Engineering were awarded to seven individuals for their seminal contributions to the development of modern machine learning, 

李飛飛（Fei-Fei Li）目前是史丹佛大學電腦科學教授、Stanford HAI 共同主任，同時也是 World Labs 的共同創辦人兼 CEO。曾任史丹佛 AI Lab 主任，也曾在 Google 擔任副總裁，並出任 Google Cloud AI/ML 首席科學家。

演講重點整理

１．現在的 K-12 教育模式太偏向應試

２．AI 正在證明，很多重複性工作機器就能完成

３．教育應該急需更新

４．教育方法論一百多年幾乎沒變

５．AI 不該只是拿來取代人，而是要拿來賦能教育

６．省下來的時間，應該用來培養 AI 做不到的能力

像是認知深度、判斷力、創造力、思考能力、人的潛力，這些才是教育更該投入的方向。

７．AI 對教育的衝擊，其實也是一次改革契機

８．結論：現在是徹底改變教育方法論的時候

講者最想表達的是，教育改革已經拖太久，現在就是最好的轉型時機。

-----

李飛飛最近成為新聞焦點，她共同創辦的公司World Labs宣布已籌集10億美元資金。

現在，他們正準備將人工智慧帶入3D領域。這種「空間智能」將使機器人能夠洗碗或整理襪子。

即使是李飛飛本人，這位被《今日美國》評為2026年度女性之一的人物，也無法想像20年前這一切會成為現實。當時，她剛獲得博士學位，是一名從事人工智慧研究的年輕助理教授。

那時，對大眾而言，人工智慧還只是科幻反烏托邦電影（如《駭客任務》或《我，機器人》）中的題材。

USA TODAY 

Fei-Fei Li made headlines recently when the company she cofounded, World Labs, announced they’d raised $1 billion in funding.

Now they're poised to bring artificial intelligence into 3D. That’s the “spatial intelligence” that will make it possible for robots to do the dishes or sort your socks.

Even Li, one of USA TODAY’s 2026 Women of the Year, couldn’t imagine that would be possible 20 years ago, when she was fresh off her PhD and a young assistant professor working in AI.

At the time, the field was the stuff of sci-fi dystopian movies like "The Matrix" or "I, Robot" to the public.

他的新創公司試圖預測人工智慧行為的後果tried to predict the outcome of its actions. 。他說，這將取得更大進展。

 That, he said, would allow A.I. to progress beyond the status quo. His new start-up will continue that work.

人工智慧先驅警告：科技「大軍」走錯了方向正走向死胡同。

他表示，原因在於他多年來一直強調的觀點：大型語言模型（LLM），也就是ChatGPT等熱門產品的核心人工智慧技術，其能力終究有限。而各公司卻把所有資源都投入到那些無法達成目標的專案中，也就是讓電腦達到甚至超越人類的智慧水準。他補充說，更具創新精神的中國公司或許能夠率先實現這一目標。

The reason, he said, goes back to what he has argued for years: Large language models, or L.L.M.s, the A.I. technology at the heart of popular products like ChatGPT, can get only so powerful. And companies are throwing everything they have at projects that won’t get them to their goal to make computers as smart as or even smarter than humans. More creative Chinese companies, he added, could get there first.

到 2010 年代初，研究人員開始證明神經網路可以為包括人臉辨識系統、數位助理和自動駕駛汽車在內的各種技術提供支援。

By the early 2010s, researchers had begun to show that neural networks could power a wide range of technologies, including face recognition systems, digital assistants and self-driving cars. 

An A.I. Pioneer Warns the Tech ‘Herd’ Is Marching Into a Dead End

 Dr. Yann LeCun 勒昆博士，人工智慧先驅 , 65 歲 談  ：科技「大軍」走錯了方向，正走向死胡同。他的新創公司試圖預測人工智慧行為的後果tried to predict the outcome of its actions. 。他說，這將取得更大進展。 大型語言模式 (LLM) 的限制： 缺乏真正的推理能力。為何語言能力 ≠ 智能。......  

Yann LeCun helped create the technology behind today’s chatbots. Now he says many tech companies are on the wrong path to creating intelligent machines.
勒昆博士一再強調，開源是最安全的方式。這意味著沒有任何一家公司能夠控制這項技術，任何人都可以使用這些系統來識別和應對潛在風險。

Dr. LeCun repeatedly argued that open source was the safest path. It meant that no one company would control the technology and that anyone could use these systems to identify and fight potential risks.






Ecstatic King Charles Presents Queen Elizabeth Prize For ...
YouTube · The Royal Family Channel
12 hours ago
AI Overview




The winners of the 2025 Queen Elizabeth Prize for Engineering were awarded to seven individuals for their seminal contributions to the development of modern machine learning, a core component of artificial intelligence (AI) advancements.
The 2025 laureates, who share the £500,000 prize, are:Dr. Bill Dally
Dr. Fei-Fei Li
Professor Geoffrey Hinton
Professor John Hopfield
Jensen Huang
Dr. Yann LeCun
Professor Yoshua Bengio
Their combined work laid the conceptual and hardware foundations for modern machine learning and AI, including the development of artificial neural networks, essential high-performance computing hardware (GPUs), and high-quality datasets like ImageNet which are critical for training AI systems.
The winners were announced in February 2025, and His Majesty King Charles III presented the award during a ceremony in November 2025.

Yann LeCun 談大型語言模式 (LLM) 1.“LLM 會一個接一個地生成詞元。它生成一個詞元需要進行固定量的計算，這顯然屬於系統 1——它是被動的，沒有推理能力。” —— 解釋 LLM 為何缺乏真正的推理能力。 2.“LLM 很棒，它們很有用，我們應該投資它們——很多人會使用它們……但它們並非通往人類智能的途徑。它們只是不是。現在，它們佔據了所有資源——基本上沒有資源用於其他任何事情。” —— 解釋為何業界對 LLM 的執著是錯誤的。 3.“語言具有強大的統計特性……這就是為什麼我們擁有能夠通過律師資格考試或計算積分的系統，但我們的家用機器人在哪裡？在現實世界中，一隻貓的表現仍然遠遠超過它們。” —— 解釋為何語言能力 ≠ 智能。 4. “在通往人類水平人工智慧的道路上，大型語言模型基本上是一個出口——一個幹擾因素，一條死路。” ——論大型語言模式作為人工智慧研究中的一條演化死胡同。 ——圖片來源：印度時報，Gadgets Now Mark Bishop 已註明出處😜 原文連結： https://timesofindia.indiatimes.com/....../125428070.cms Yann LeCun tán dàxíng yǔyán móshì (LLM) 1.“LLM huì yīgè jiē yīgè dì shēngchéng cí yuán. Tā shēngchéng yīgè cí yuán xūyào jìnxíng gùdìng liàng de jìsuàn, zhè xiǎnrán shǔyú xìtǒng 1——tā shì bèidòng de, méiyǒu tuīlǐ nénglì.” —— Jiěshì LLM wèihé quēfá zhēnzhèng de tuīlǐ nénglì. 2.“LLM hěn bàng, tāmen hěn yǒuyòng, wǒmen yīnggāi tóuzī tāmen——hěnduō rén huì shǐyòng tāmen……dàn tāmen bìngfēi tōng wǎng rénlèi zhìnéng de tújìng. Tāmen zhǐshì bùshì. Xiànzài, tāmen zhànjùle suǒyǒu zīyuán——jīběn shàng méiyǒu zīyuán yòng yú qítā rènhé shìqíng.” —— Jiěshì wèihé yèjiè duì LLM de zhízhuó shì cuòwù de. 3.“Yǔyán jùyǒu qiángdà de tǒngjì tèxìng……zhè jiùshì wèishéme wǒmen yǒngyǒu nénggòu tōngguò lǜshī zīgé kǎoshì huò jìsuàn jīfēn de xìtǒng, dàn wǒmen de jiāyòng jīqìrén zài nǎlǐ? Zài xiànshí shìjiè zhōng, yī zhī māo de biǎoxiàn réngrán yuǎn yuǎn chāoguò tāmen.” —— Jiěshì wèihé yǔyán nénglì ≠ zhìnéng. 4. “Zài tōng wǎng rénlèi shuǐpíng réngōng zhìhuì de dàolù shàng, dàxíng yǔyán móxíng jīběn shàng shì yīgè chūkǒu——yīgè gànrǎo yīnsù, yītiáo sǐlù.” ——Lùn dàxíng yǔyán móshì zuòwéi réngōng zhìhuì yánjiū zhōng de yītiáo yǎnhuà sǐhútòng. ——Túpiàn láiyuán: Yìndù shíbào,Gadgets Now Mark Bishop yǐ zhùmíng chūchù 😜 yuánwén liánjié: Https://Timesofindia.Indiatimes.Com/....../125428070.Cms Show more

Yann LeCun on Large Language Models (LLMs)

1. “An LLM produces one token after another. It goes through a fixed amount of computation to produce a token, and that’s clearly System 1 — it’s reactive. There’s no reasoning.”

— On why LLMs lack genuine reasoning capacity.

2. “LLMs are great, they’re useful, we should invest in them — a lot of people are going to use them … But they are not a path to human-level intelligence. They’re just not. Right now, they’re sucking the air out of the room — there’s basically no resources for anything else.”

— On why industry obsession with LLMs is misplaced.

3. “Language has strong statistical properties… That’s why we have systems that can pass the bar exam or compute integrals, but where is our domestic robot? A cat still vastly outperforms them in the real world.”

— On why language competence ≠ intelligence.

4. “On the highway toward human-level AI, a large language model is basically an off-ramp — a distraction, a dead end.”

— On LLMs as an evolutionary cul-de-sac in AI research.

———

Image credit: Times of India, Gadgets Now

Mark Bishop i credited it

Here’s the source article:

https://timesofindia.indiatimes.com/....../125428070.cms

Roger's Letter

FeiFeiLi JeetuPatel 3D與AI空間智能WorldLabs

Roger's Takeaway

李飛飛此篇訪談比較短，說的也是之前聽過的東西，不過世界模型進展真的蠻快的，Google genie 3和他的Marble模型，以及Yann Lecun也在發展自己的世界模型。

可能過幾年，我們會從現在的LLM模型轉成世界模型的應用。

有興趣也可以在下面連結看我之前整理的李飛飛訪談

摘要

World Labs 共同創辦人暨執行長 Fei-Fei Li 與 Jeetu Patel 談空間智能為何是 AI 下一前沿、Marble 世界模型、資料與通用機器人的挑戰，以及對 AI 論述的期待。

Highlight

空間智能

為什麼空間智能這麼重要？為什麼我說它是 AI 的下一個前沿？如果你用一點演化的眼光來看智能的發展，從五億多年前開始，真正點燃神經系統發展這場演化軍備競賽的，其實是感知，不是語言。和感知相比，語言是一種非常、非常新的智能形式。就算寬鬆一點看，語言大概也就五十萬年歷史，可能還不到；但早在超過五億年前，動物就開始看見光、開始觸摸環境。

Marble模型

Marble 做的是：接收多模態輸入，不管是一句話、一張圖、一支影片、幾張圖，還是簡單的 3D 輸入，都可以，它是多模態的。然後它會把那個 prompt 轉成一個完整可導航、可互動的 3D 世界，而且具有永久一致性，這和現在常見的影片模型非常不同；它具備幾何結構，可以支援你想做的無論是模擬機器人動作、還是寫遊戲程式等等。所以 Marble 是一個前沿模型。我們大約兩個月前釋出，還是第一代。我們很興奮能展開這段旅程，而目前它仍然是目前最先進的 3D 生成式世界模型。

如果我們把時間倒回一百五十年，我忘了確切幾年，如果某個版本的我們兩個在台上談「電力的成功是什麼樣子」，我想至少、不知道當時有沒有人想像、很難想像，但我希望有某個版本會說：我們的學校被照亮、我們的家變溫暖、它會讓機器工業化我們的生活、進而延長我們的壽命、更多孩子在適學年齡時能學習——那就是技術的意義、那就是 AI 的意義，那是歷久不變的價值。當文明變得更好，而文明是由每一個追求幸福、追求繁榮、帶著尊嚴感前行的個人所構成時，那就是成功。那就是 AI、也是每一項技術的成功樣貌。

世界模型的算力需求

Ｑ：大型世界模型在計算上是否和語言模型一樣吃重？是更多、還是更少？

這是個好問題。首先，大型世界模型有不同種類。我們非常投入在打造具有明確 3D、4D 表徵的世界模型，以支援機器人、遊戲、娛樂、設計等；另外也有一種被稱為世界模型的，比較偏向影片生成模型。目前在這個領域，我們的模型還沒有像較大的 LLM 那麼大；我相信 GPT-5 大約是用 10 的 26 次方 flops 訓練，我們的 Marble 模型仍然小幾個數量級。

資料是因素之一；你知道 scaling laws 從資料和模型參數開始，所以資料有它的角色。也因為這個領域還早：語言模型是從、transformer 論文我想是 2016 年發表，所以差不多十年了；世界模型是更新很多的領域，所以我們仍處於、我不會說最早，過去兩年我們其實已經在一些科學上降低了風險，但我們仍處於相對早期，還在摸索模型架構。所以規模相對還小。但話說回來，鑑於 World Labs 過去幾年的進展以及我們對這個領域的觀察，我認為接下來幾年會非常令人興奮。我們會看到大型世界模型沿著 scaling law 的曲線往上走。

機器人

想想 2006 年，我同事 Sebastian Thrun 帶領 Stanford 團隊做出第一輛能在內華達沙漠跑一百三十八英里的自駕車，那時我們宣稱我們會有自駕車。二十年後，去年才是第一年 Waymo 在舊金山和一些大城市街上運行。

我們大致達到了一個重大里程碑，但那是很長的旅程。

車和機器人的差別在於：車是一個在二維表面上移動的、方方正正的機器人，車唯一必須做的就是不要碰到東西、不要碰到行人、不要碰到路緣。想想機器人：它是三維的，不管是不是人形，在三維世界裡工作，而通用機器人的目標是要用不會弄壞東西的方式去碰觸東西。所以那是維度高得多的問題。

我們確實在進步，但手的模擬一直很難：手的靈巧、視覺的精準、對空間的理解、訓練資料的缺乏，這些都很具挑戰性。這正是我創辦 World Labs 的原因，因為我知道這是個非常重要的問題，我們想投入。但作為科學家，我個人也不喜歡過度承諾。

---

黃仁勳與AI先驅同列　7位得主齊獲殊榮

今年伊莉莎白女王工程獎的7位得主除有黃仁勳，還有華裔美籍科學家李飛飛，她是獲獎者中唯一的女性。另有NVIDIA首席科學家比爾達利（Bill Dally）、92歲的AI先驅約翰霍普菲爾德（John Hopfield）、喬書亞本吉奧（Yoshua Bengio）、傑佛瑞辛頓（Geoffrey Hinton）與Meta首席科學家楊立昆。他們被表彰為「讓電腦模仿人腦運作、進而發展出現代機器學習模型」的奠基者。