反向传播算法，作为深度学习领域中的核心计算方法，其发明并非归功于某一个人，而是多位科学家共同努力的结果。反向传播算法的雏形可以追溯到1960年代，当时科学家们开始研究如何通过神经网络进行学习。其中，罗杰·辛顿（Roger J. Hinton）、伊恩·威尔逊（Iain M. Wilson）和格蕾丝·黄（Grace E. Hinton）等人做出了重要贡献，他们提出了使用梯度下降方法来训练神经网络的想法。
在1980年代，反向传播算法得到了进一步的发展。其中，大卫·鲁姆利（David E. Rumelhart）、杰弗里·辛顿（Geoffrey E. Hinton）和罗纳德·威廉姆斯（Ronald J. Williams）等人对反向传播算法进行了系统性的研究和改进，使其成为现代神经网络训练的基础。
因此，反向传播算法的发明并非某一个人的功劳，而是多位科学家在长期研究和实践中共同推动的结果。这些科学家们的研究成果为我们今天所熟知的深度学习技术奠定了坚实的基础。