Samy Bengio（生于1965年）是一位加拿大计算机科学家，专攻人工智能和机器学习。截至2025年，他在苹果担任人工智能与机器学习研究高级总监，领导深度学习、神经网络和自然语言处理等领域的研究工作。Bengio撰写了约250篇科学论文，并因早期推动2010年代深度学习革命的工作而闻名。
在加入苹果之前，Bengio在谷歌（具体为Google Brain）工作了十多年。他还是PyTorch机器学习框架的前身Torch的合著者，该框架被广泛使用。他的兄弟Yoshua Bengio是图灵奖得主，也是深度学习领域的杰出人物。
教育背景
Bengio于1986年在蒙特利尔大学获得计算机科学学士学位。他继续在同一机构深造，于1989年获得计算机科学硕士学位，论文题目为“集成传统与智能辅导系统”。1993年，他在蒙特利尔大学获得计算机科学博士学位，论文题目为“神经网络学习规则的优化”。他的博士研究专注于改进神经网络的学习算法，为后来的研究奠定了基础。
早期职业生涯与学术职位
从1999年到2007年，Bengio在瑞士IDIAP研究所工作，该研究所专注于机器学习和多模态交互研究。在此期间，他还在洛桑联邦理工学院（EPFL）担任职位，从事统计学习和神经网络研究。他在IDIAP和EPFL的工作推动了语音识别和序列建模的进展。
2024年，Bengio被任命为EPFL计算机与通信科学兼职教授，正式确立了他与该机构的长期联系。这一职位包括指导研究生和参与研究项目，尽管他的主要隶属关系仍在苹果。
对深度学习的贡献
Bengio的科学贡献记录在约250篇DBLP索引的论文中，涵盖神经网络、机器学习、深度学习、统计学、计算机视觉和自然语言处理等主题。他一些被引用最多的作品是早期推动2010年代深度学习热潮的研究，包括展示如何探索深度学习模型学习到的多种表征的工作，这些研究影响了后续的架构和训练方法。
他还参与了最早将深度学习应用于图像描述（即为图像生成文字描述）的研究之一。这项工作将卷积神经网络用于视觉特征提取，与用于语言生成的循环神经网络相结合，成为该领域有影响力的范式。
另一项 notable 贡献是他对深度学习为何有效的研究，这引发了一系列后续研究，探讨学习表征的性质和优化动态。Bengio还参与了最早证明对抗样本在现实世界中存在的演示之一，表明修改物理对象可以欺骗机器学习系统。这一发现对AI系统的安全性和鲁棒性产生了重要影响。
此外，Bengio还参与了零样本识别的早期工作，该任务旨在通过利用已知和未知类别之间的语义关系，识别训练中从未见过的类别。这项研究为扩展模型超越训练数据开辟了途径。
专业活动与领导职务
Bengio在机器学习社区中担任过多个领导职务。他于2015年至2016年担任国际学习表征会议（ICLR）的程序主席，并于2018年至2020年担任董事会成员。他还于2017年担任神经信息处理系统会议（NeurIPS）的程序主席，并于2018年担任总主席，目前继续担任NeurIPS董事会成员。
他是《机器学习研究杂志》（Journal of Machine Learning Research）的编辑，该期刊是该领域的领先出版物。他的编辑工作涉及监督同行评审和塑造期刊的范围。
在谷歌的时光与离职
Bengio在谷歌工作了多年，领导一个大型研究团队，专注于机器学习，包括对抗性设置。他的团队致力于理解模型中的漏洞并开发针对恶意输入的防御方法。
2020年12月，Bengio在谷歌解雇了伦理AI团队联合负责人Timnit Gebru后不久离职，该解雇未事先通知。Bengio后来表示，他对围绕Gebru被解雇的事件感到“震惊”。他的离职引发了人们对谷歌内部研究伦理和多样性问题的关注，随后他于2021年加入苹果，担任AI和机器学习研究高级总监。
在苹果的当前工作
在苹果，Bengio领导人工智能和机器学习研究，专注于设备端学习、隐私保护AI以及深度学习在苹果产品中的应用。他的团队致力于推动计算机视觉和自然语言处理等领域的最新技术发展，同时与苹果对用户隐私的重视保持一致。
Bengio的职责包括指导研究以及与公司内其他团队合作。他还继续发表学术成果并参与更广泛的研究社区，包括担任会议委员会成员和指导年轻研究人员。
个人生活
Samy Bengio的父母是摩洛哥犹太移民，他们移居法国和加拿大。他的父亲Carlo Bengio是一名药剂师，撰写戏剧作品，并在蒙特利尔经营一个表演犹太-阿拉伯语作品的剧团。他的母亲Célia Moreno是一位艺术家，在1970年代参与了摩洛哥的重要戏剧演出，包括由Tayeb Seddiki制作的剧目。Samy和他的兄弟Yoshua在父亲服兵役期间曾在摩洛哥生活了一年。
Yoshua Bengio是Samy的弟弟，是一位著名的计算机科学家，也是图灵奖得主，该奖常被视为计算领域的诺贝尔奖。兄弟俩多年来合作过研究项目，尽管他们选择了不同的职业道路。
遗产与影响
Bengio的工作对机器学习产生了持久的影响，特别是在深度学习和对抗鲁棒性领域。他关于表征学习和图像描述的早期论文被广泛引用，并启发了大量后续研究。他对Torch的贡献帮助塑造了现代深度学习工具包，而他在会议组织中的领导作用影响了该领域的发展方向。
截至2025年，Bengio仍然是一位活跃的研究者和领导者，连接学术与工业AI研究。他的职业生涯体现了对基础科学探究和机器学习实际应用的承诺。