作為人工智能特別是語音和自然語言領域的里程碑人物，鄧力榮獲學術界的盛高榮譽：入選加拿大國家工程院院士。這是繼加拿大深度學習先驅者獲圖靈獎公開兩周之后對深度學習巨大成就的再次肯定。

鄧力本科畢業于中科大，先后在美國威斯康星大學獲碩士和博士學位，之后在加拿大滑鐵盧大學任教獲得終身正教授，其間還擔任麻省理工學院和日本位于京東的 ATR 研究所職位。

他于 1999 年底加入微軟研究院歷任數職，在 2014 年初創辦深度學習技術中心，主持微軟公司和研究院的人工智能和深度學習領域的技術創新；并于 2015年底正式被任命為微軟人工智能首席科學家。

2017 年離職微軟加入對沖基金公司 Citadel 擔任首席人工智能官至今。之前其研究方向包括自動語音與說話者識別、口語識別與理解、語音–語音翻譯、機器翻譯、語言模式、自然語言處理、統計方法與機器學習、神經科學、聽覺和其他生物信息處理、深層結構學習、類腦機器智能、圖像語言多模態深度學習以及商業大數據深度分析預測等。

2015 年，他憑借在深度學習與自動語音識別方向做出的杰出貢獻獲得 IEEE 技術成就獎，此外他還獲得過 IEEE、國際言語通訊協會、美國聲學協會、亞太信號與信息處理協會、微軟等組織授予的多項榮譽。

鄧力教授入選加拿大工程院院士的通知信：

Dear Dr.Deng,

The Canadian Academy of Engineering (CAE) comprises a small number of distinguished engineers, from all disciplines, who have undertaken to serve the country and the profession in matters of broad concern.

As President of the CAE, it is my privilege to inform you that, in recognition of your notable achievements, our Fellows have elected to offer you Fellowship in our academy. I congratulate you on this outstanding recognition! Should you accept our offer, you will be joining the most highly accomplished people in the field of engineering in Canada. Our website features a list of our Fellows, and I am sure that many of the names will be familiar to you.

The CAE has close ties with similar prestigious academies throughout the world, via our membership in the International Council of Academies of Engineering and Technological Sciences (CAETS). Furthermore, the CAE is one of the three Member Academies of the Council of Canadian Academies, the other two being the Royal Society of Canada (RSC) and the Canadian Academies of Health Sciences (CAHS).

It is my sincere hope that you will accept the invitation to become a Fellow of the Canadian Academy of Engineering and that you will assist us in advancing our mission. Our Fellows are encouraged to display their certificates of membership, and to use the letters "FCAE" on their signature blocks and bussiness cards.

Please inform our Executive Director, Kevin Goheen, of your agreement to accept this invitation before 19 April, 17:00 EDT, by completing the enclosed form and returning it by fax or e-mail. If you have any questions or concerns, Please contact ourExecutive Director, Kevin Goheen.......

翻譯如下：

鄧博士您好，

加拿大工程院（CAE）由來自各個學科的少數杰出工程師組成，他們都致力于在廣泛關注的問題上為國家和專業做出貢獻。

我作為 CAE 的主席，很榮幸地通知您，為表彰您在學術方面取得的顯著成就，現任院士表決選舉您為 CAE 院士。祝賀您獲得這一榮譽表彰！如果您接受成為 CAE 院士中的一員，也就加入了加拿大工程領域成就最高的科學家隊伍。您可以在我們的網站查看 CAE 院士的完整名單，相信其中的很多人都是您所熟知的。

由于我們隸屬于國際工程與技術科學院理事會（CAETS），所以 CAE 與世界各國級別相同的工程院/科學院都有著密切的聯系。此外，CAE 還是加拿大國家學院理事會的三大組成部分之一，另外兩個是加拿大皇家學會（RSC）和加拿大健康科學院（CAHS）。

我真誠地希望您接受當選加拿大工程院院士的邀請，并與我們共同推進 CAE 的使命。我們提議院士們在成員證書的簽名欄和商務卡上簽上「FCAE」幾個字母。

如果您愿意接受我們的邀請，請于北美東部夏令時間 4 月 19 日 17:00 之前告知我們的執行主席 Kevin Goheen，具體告知方式為：填寫信件所附表格并通過傳真或電子郵件將其返回。如果您有任何問題或疑慮，可隨時聯系我們的執行主席 Kevin Goheen……

加拿大國家工程院這樣描述他的入選理由（Citation）：

Li Deng is an internationally prominent researcher, engineer, educator, and technology leader in artificial intelligence, machine learning, signal processing, financial engineering, speech recognition, and natural language processing. He has invented a series of ground-breaking machine learning paradigms, architectures, methodologies, and algorithms for hidden Markov models and deep neural networks. He has been widely recognized for his 2009-2013 pioneering contributions to world-wide speech recognition industry using large-scale deep learning. His original and landmark research, over 30 years, combined with his outstanding leadership in advancing engineering knowledge, have culminated in the spectacular effects of deep learning and AI on society today.

翻譯如下：

鄧力是一位享譽國際的研究者、工程師、教育家以及人工智能、機器學習、信號處理、金融工程、語音識別、自然語言處理領域的技術引領者。他為隱馬爾科夫模型和深度神經網絡發明了一系列史無前例的機器學習范式、架構、方法論以及算法。他在 2009－2013 年應用大規模神經網絡對全球語音識別工業界作出了先驅性的貢獻，并因此而享譽世界。他在 30 多年研究生涯中所做出的獨創性和里程碑式的研究成果與他在推進工程知識方面的杰出領導力，對人工智能及深度學習的社會進程帶來了令人驚嘆的影響。

「道阻且長」的神經網絡早期探索之路

鄧力在大學本科期間學的專業是神經科學和生物物理學，不過他真正走上神經網絡探索之路則是在博士期間。

20 世紀 80 年代，計算機還無法滿足大型神經網絡所要求的算力，也使得這一領域的研究遭遇著不小的瓶頸。當時正在斯康星大學麥迪遜分校攻讀博士學位的鄧力，在研究過程中嘗試使用物理模型和神經模型來創建人類聽覺模擬和語音識別神經模型，這一研究也同樣受到計算力等客觀條件的限制，于是他轉而嘗試采用提取生物模型特征以及隱馬爾可夫模型的方法。但由于當時這兩個模型尚不成熟，最終取得的結果依舊不理想。

即便幾經挫敗，鄧力也始終在進行著統計模型和計算人工神經網絡在內的相關研究，并在加入加拿大滑鐵盧大學任職終生教授期間與他的一位博士生在合作的一篇論文中提出了一種增強神經網絡記憶的新模型：將（短路）線性項加到非線性項來增強非線性神經網絡的記憶能力。雖然這項成果實現了一個完整的系統，然而當真正用在語音識別上時，性能還是無法超越隱馬爾科夫模型。

有趣的是，當時這位博士生論文的 External Examiner 正是深度學習領域赫赫有名的 Geoffrey Hinton。對于這篇論文，他感慨道，「神經網絡成功真是太難了」。雖然這篇論文最終通過順利讓這位博士生拿到了博士學位，但是 Hinton 這句意味深長的感慨也在無形中對鄧力之后的研究方向起到了一定的影響，讓他不得不暫時放下神經網絡的研究，轉向可行性較高的貝葉斯統計方法和生成模型。

峰回路轉：重拾深度神經網絡，并實現革命性突破

如果說加入微軟后的鄧力遭遇貝葉斯方法在語音識別研究上的瓶頸是他不得不重新考慮神經網絡模型的契機之一，那曾經感嘆過「神經網絡成功真是太難了」的 Geoffrey Hinton 則是他真正重拾神經網絡并實現突破性進展的「最佳助攻」。

1999 年底，鄧力正式加入微軟美國研究院，主攻語音識別的機器學習方向，并采用自己探索了多年的貝葉斯方法進行語言識別研究，然而這種方法無法適應增加層數后帶來的計算復雜度的指數級增長，即便他帶領團隊嘗試了很多方法來解決這一出題，最終也還是無法取得理想的進展。不過在這種情況下，鄧力依舊還沒有考慮重拾神經網絡來擺脫這一困境的信息，直到鄧力讀到 Geoffrey Hinton 于 2006 年發表的一篇關于深度信念網絡的論文（《A fast learning algorithm for deep belief nets》）。

這篇論文中提出的模型也有多層生成式結構，然而并沒有出現計算復雜度無法駕馭的問題，網絡仍然能夠對手寫數字圖像及其標簽的聯合分布生成表現良好的生成模型。鄧力受此啟發，意識到將深度神經網絡應用到語音識別的可能性。

一場博士生論文外審，一次來自論文的啟發，鄧力對于深度神經網絡的研究之路似乎跟 Geoffrey Hinton 結下千絲萬縷的關聯，2009 年，鄧力不僅邀請 Geoffrey Hinton 作為他的顧問來共同探索深度神經網絡在語音識別上的應用，二者還在 NIPS 2009 會議上聯合組織了「2019 Workshop on Deep Learning for Speech Recognition and Related Applications」，分享嘗試使用新方法訓練的深度學習神經網絡在語音識別上初步取得的可喜的進展。

有了這些成果作為基礎，2010 年，鄧力帶領他的微軟團隊進行了大規模的實驗，終于「守得云開見月明」，實現了深度神經網絡在工業界的大型語音識別上的革命性突破，也讓這個「2010 年」成為中國的語音領域的一個重要年份。

這一年，鄧力和其團隊成員俞棟探索用深度神經網絡來改善大詞匯語音識別的項目，并一同提出使用深層神經網絡對一種比音素小很多、叫做 senones 的建模單元直接建模的方法。

另外值得一提的是，在這個項目開始之前，鄧力還作為團隊經理為微軟西雅圖研究院招來了 Geoffrey Hinton 的兩位研究生（Abdo Mohamed 和 George Dahl）作為實習生，也正是 George Dahl 在 GPU 方面的豐富經驗，對于這個研究項目起到了巨大的推動作用；隨后鄧力和俞棟又嘗試將前饋神經網絡（FeedForward Deep Neural Network，FFDNN）引入到聲學模型建模中，將 FFDNN 的輸出層概率應用于替換之前 GMM-HMM 中使用 GMM 計算的輸出概率，取得了具有突破性的效果。

基于這一系列的成果，鄧力和 Geoffrey Hinton 合作了論文《Deep Neural Networks for Acoustic Modeling in Speech Recognition》，經過近一年的審稿和修改并在 2012 年底將其在 IEEE Signal Processing Magazine （當時鄧力剛剛從這家 IEEE 影響因子最高的雜志主編職位下任）正式發表。

該論文不僅講述了深度神經網絡對語音識別產生的影響，還闡述了如何將不同的機器學習方法（包括深度神經網絡的方法）整合起來，為大規模的語音識別帶來了重大的進展。這篇論文的被引用量已超過 5600 次，成為近代語音識別領域中最重要的論文。

時至今日，Geoffrey Hinton 與 Yoshua Bengio、Yann LeCun 一同摘下了2018 年圖靈獎，更是證明了深度學習神經網絡這一方向的正確性和影響力。而鄧力曾在 2016 年底同李開復分別向圖靈獎評選委員會主席寫信推薦和支持 Geoffrey Hinton 獲獎，一時也成為業內佳話。

當紐約時報 2019 年 3 月 27 日首次報道加拿大深度學習的先驅獲圖靈獎時，更是引用了鄧力對 Hinton 杰出成就的高度評價。

離開任職十幾年的微軟，跨界金融領域

2017 年，鄧力離職記載了他十幾年光輝歲月的微軟，轉身投向金融領域，加入對沖基金公司 Citadel 擔任首席人工智能官（Chief Artificial-Intelligence Officer），立志要讓深度學習和人工智能技術在這個他認為機會已相對成熟的金融領域大顯神通。

Citadel 對于投資者來說應該并不陌生。它成立于 1990 年，是美國長期以來二級市場投資最成功的對沖基金公司之一。它擁有傳統量化投資和高頻交易最出色最優秀的專家，在見到深度學習在高科技成功之時就熱切期望同勇于跨入金融業界全新廣闊領域的人工智能專家進行最有效的合作。

投資公司在量化投資、高頻交易的人工智能布局就一直被業內外人士關注。對于以高頻交易為長的 Citadel 來說，計算機技術和交易策略算法就稱得上是它的安身立命之本了，因此其在機器學習上的布局需求不言而喻。

而受邀加入 Citadel 擔任首席人工智能官的鄧力，他加盟之前的主要研究方向便是應用于大數據、語音、文本、圖像和多模態處理的深度學習和機器智能方法。在業界沉浮多年時間里，鄧力在進行學術研究的同時，在微軟內部對人工智能技術商業化落地方面的實踐也有很大的造詣。

2014 年，鄧力在微軟創立深度學習技術中心 DLTC 后，帶領團隊在深度學習的應用拓展方面做出了不少成果，其中就包括互聯網搜索問答、電子郵件及企業文件搜索、多模態深度學習、市場銷售數據的深度學習與商業應用等等。到了 2016 年，他進一步面向實際問題的解析性和不確定性問題，研究如何將深度學習與不同的機器學習方法進行整合，從而讓人工智能做出對使用者有解釋性的最優決策。

如此看來，鄧力在自然語言、商業數據分析和提煉洞見方面頗深的積淀與 Citadel 在機器學習和人工智能上的布局需求可謂是不謀而合的。對于 Citadel 來說，鄧力的加入將能夠極大地助其解決量化模型建立、風險判斷、價格趨勢預測、評估交易者的非理性行為等等問題，讓機器學習在數據分析問題上甚至發揮得比人類更好；而對于看重技術落地的鄧力而言，投資機構則是一個不可多得的數據充沛的載體，他能將模型和算法的成果在大規模的數據集上進行驗證，從而對機器學習在應用場景中需要解決的現實問題進行更深入的探究， 并解決傳統量化金融模型目前解決不了的問題。關于人工智能應用于金融投資領域，我們可以從鄧力去年在 MIT Technology Review EmTech 大會的公開演中看到他講的三大挑戰，以及從他在 University of California-Berkeley Hass 商學院的公開訪談中了解他的相關見解。