|
| 諾獎官網表示，霍普菲爾德和欣頓在人工神經網絡領域作出巨大貢獻。（來源：大公網） |
中評社北京10月9日電／據新華社報導，8日宣布的2024年諾貝爾物理學獎“意外”垂青機器學習，讓多個諾獎預測集體“翻車”，就連獲獎者之一的傑弗里·欣頓也坦言自己“完全沒想到”。看似不屬於傳統物理學任何一個分支領域的成果斬獲諾獎，讓不少學者開玩笑說諾貝爾物理學獎在跟計算機界的圖靈獎“搶飯碗”。
事實上，機器學習領域的元老級人物約翰·霍普菲爾德和傑弗里·欣頓斬獲諾獎，如諾獎官方公告所說正是因為“運用物理學的工具”。今年的諾貝爾物理學獎不僅是對兩名科學家成就的肯定，更是極大強調了跨學科研究的重要性，向人們展示了物理學的深刻洞見與計算機科學創新“碰撞”可以產生的巨大能量。
當前人們談論人工智能時，經常指的是使用人工神經網絡的機器學習。諾貝爾物理學委員會秘書烏爾夫·丹尼爾鬆對記者強調，人工神經網絡在物理學中的研究和應用已經持續了相當長一段時間，本次諾貝爾物理學獎並非頒發給過去幾年人工智能的發展，不是針對大語言模型或類似的東西，而是針對基礎發明。
遠在人工智能成為今天的科技熱詞之前，這兩名科學家從20世紀80年代起就在人工神經網絡領域做出了重要工作。這項技術最初的靈感來自大腦的結構。就像大腦中大量神經元通過突觸相連一樣，人工神經網絡由大量的“節點”通過“連接”組成。每個節點就像一個神經元，而連接的強弱則類似於突觸的強度，決定了信息傳遞的效果。
1982年，美國科學家約翰·霍普菲爾德創建了一種用於機器的聯想記憶方法，提出了一種革命性的網絡結構，被稱為“霍普菲爾德網絡”。這個網絡能夠存儲多個模式（比如圖像），並且在面對不完整或有噪聲的輸入時，能夠重構出最相似的模式。
英國裔加拿大科學家傑弗里·欣頓在此基礎上更進一步，他希望機器能像人類一樣自主學習和分類信息，於1985年和同事提出了“玻爾茲曼機”的網絡模型，這個名字源於19世紀物理學家路德維希·玻爾茲曼的方程。該模型通過統計物理學中的玻爾茲曼分布來識別數據中的特徵，成為了現代深度學習網絡的基礎。欣頓的研究繼續推進，導致了當前機器學習領域爆炸式的發展。
|
