中国青年报客户端北京10月8日电(中青报·中青网记者 张渺 实习生 梅藐)在诺贝尔物理学奖的智能交响乐章中,人工智能领域的年诺成就奏响了新篇章。北京时间10月8日,物理2024年诺贝尔物理学奖揭晓。学奖学美国科学家约翰·霍普菲尔德与英国科学家杰弗里·辛顿因“在人工神经网络机器学习方面的解读基础性发现和发明”获此殊荣。
诺贝尔奖官网供图
人工神经网络机器学习这项技术,人工学富五车最初的智能灵感来自大脑的结构。在人工神经网络中,年诺大脑的物理神经元由具有不同数值的节点表示。这些节点通过类似于突触的学奖学连接相互影响,并且可以变得更强或更弱。解读例如,人工通过在同时具有高数值的智能节点之间建立更强的连接,以此来训练网络。年诺
今年的物理守株待兔诺贝尔物理学奖两位获奖者,使用物理学工具,为人工智能的发展奠定了理论基础。他们让人工智能学会“智能”,能够模拟人类的记忆和学习过程。
“我没想到。”得知获奖这件事后,杰弗里·辛顿在接受媒体采访时说。万里长征
最近两年来,人们经常谈论人工智能的发展,谈论那些越来越聪明的AI。这背后是研究者几十年的探索的结果,从20世纪80年代起,辛顿和霍普菲尔德就已经各自开始在相关领域深耕。
作为“神经网络之父”和“深度学习之父”,安身立命辛顿于1947年出生于英国伦敦,1978年获英国爱丁堡大学博士学位,如今是加拿大多伦多大学教授。他是使用神经网络进行机器学习的先驱,教会了人工智能如何自动查找数据中的属性,从而执行识别图片中特定元素等任务。他还在2018年,稀世之宝获得了图灵奖这一计算机领域的最高荣誉。
而美国普林斯顿大学教授约翰·霍普菲尔德,则是创建了一种名为“霍普菲尔德网络”的联想存储器,可以存储和重建图像以及数据中的其他类型模式。
在构建这种人工神经网络的过程中,霍普菲尔德用上了物理学。他曾获得2022年的无忧无虑玻尔兹曼奖,获奖理由是“扩展了统计物理学的边界,使其涵盖生命现象,从分子水平信息传输的动力学校对到神经网络的动力学,他创建了一种用于思考大脑计算的新语言”。
以“霍普菲尔德网络”为基础,辛顿使用统计物理学的方法,构建了玻尔兹曼机。胆大包天
统计物理学是研究由众多相似组件构成的系统的一门科学,通过向机器提供那些在运行时极可能出现的情况作为示例,科学家可以对机器进行训练。在这一领域,玻尔兹曼机展现了其独特的价值,它不仅能够有效地对图像进行分类,还能创造出与其所训练模式类型相似的省吃俭用新示例。这一成果让机器学习领域出现了“爆炸性发展”。
辛顿和霍普菲尔德的这些研究,都是在20世纪80年代就已经做出来了。几十年过去,他们的研究不断获得认可。正如诺贝尔物理学委员会主席艾伦·穆恩斯所评价的那样,他们的杳无消息工作“已经带来了最大的效益”。