神经网络与2024诺贝尔物理奖 原创

约翰·霍普菲尔德（John J. Hopfield）和杰弗里·辛顿（Geoffrey E. Hinton）周二被授予诺贝尔物理学奖（Nobel Physics Prize），以表彰他们的发现帮助计算机以人脑的方式学习更多知识，为人工智能的发展奠定了基础。

该奖项是对 AI 在人们生活和工作方式中日益增长的重要性的认可。诺贝尔委员会表示，使用人工神经网络的机器学习能够理解大量数据，已经在科学研究中发挥了重要作用，包括在物理学领域，它被用于创造“具有特定特性的新材料”。

两位博士的突破“建立在物理科学的基础之上，他们向我们展示了一种全新的方式，让我们使用计算机来帮助和指导我们应对社会面临的许多挑战。”

在斯德哥尔摩参加发布会的记者轮流向被称为“人工智能教父”的Hinton询问有关他工作的问题，他表达了对机器学习的担忧，并表示它将对社会产生非凡的影响。

“它将与工业革命相媲美，”他说。“它不会在体力上超过人，而是在智力上超过人。我们没有经验知道拥有比我们更聪明的东西是什么感觉。

虽然Hinton表达了他的担忧，但他认为先进的技术将带来更好的医疗技术提升。“这将意味着生产力的巨大提高，”他说。“但也必须担心一些可能的不良后果，特别是这些事情失控的威胁。”

Hinton出生于伦敦郊外，自1970年代后期以来主要在美国和加拿大生活和工作。他最近从谷歌的研究员和副总裁的工作上退休了——主要是还是他想为了更加自由地谈论人工智能——他同时是多伦多大学（University of Toronto）的计算机科学教授。

Hinton于1970年代初在爱丁堡大学读研究生时开始研究神经网络，当时很少有研究人员相信这个想法。40年后，Hinton博士还是很执着，他在其他研究人员的帮助下开始了一项新的研究。2012年，Hinton和他的两名研究生在这项技术上取得突破后加入Google。2019 年，他与蒙特利尔大学计算机科学教授Yoshua Bengio和Meta的首席人工智能科学家Yann LeCun一起获得了图灵奖，该奖通常被称为“计算界的诺贝尔奖”，以表彰他们在神经网络方面的工作。

John J. Hopfield是芝加哥本地人，是普林斯顿大学的名誉教授，以计算机科学、生物学和物理学的开创性发现而闻名。

Hopfield博士于1958年在贝尔实验室开始了他的职业生涯，作为一名物理学家研究固体物质的特性，但感到受到他所在领域的限制。他于1961年搬到加州大学伯克利分校担任助理教授，并于1964年加入普林斯顿大学物理系。16年后，他转到加州理工学院担任化学和生物学教授，并于1997年回到普林斯顿大学，这次是在分子生物学系。

在1980年代，他的工作重点是大脑的过程如何告知机器如何保存和复制模式。1982年，Hopfield开发了一种神经网络模型来描述大脑如何回忆记忆，即今天的Hopfield网络。这使得机器能够使用人工神经网络“存储”记忆。

自1901年首次颁发以来，诺贝尔物理学奖一直表彰从发现亚原子粒子到引力波和超大质量黑洞的研究。但在某些年份，该委员会已经承认物理学应用于其他学科，例如在 2021 年为理解气候变化所做的工作。

对于周二的奖项，委员会强调了Hopfield和Hinton在计算机科学方面的工作植根于物理科学的方式。

霍普菲尔德博士设计的人工神经网络使机器能够存储“记忆”，这些记忆可以在输入部分信息时被“回忆”起来，类似于你的大脑用来记住舌尖上的单词的方法。这种能力称为联想记忆。在描述 Hopfield 网络中的节点及其链接时，Hopfield 博士的工作表明，它们的行为类似于解释磁性材料中附近原子如何影响彼此自旋的物理学。

本文转载自​​鲁班模锤​​，作者： 祝融 ​​​​