劃重點(diǎn)
012024年諾貝爾物理學(xué)獎(jiǎng)授予John Joseph Hopfield和Geoffrey E. Hinton，以表彰他們在人工智能領(lǐng)域的貢獻(xiàn)。
02Hopfield發(fā)明了Hopfield神經(jīng)網(wǎng)絡(luò)，Hinton在此基礎(chǔ)上開發(fā)了玻爾茲曼機(jī)，推動(dòng)了機(jī)器學(xué)習(xí)的爆炸式發(fā)展。
03諾貝爾委員會表示，這兩位獲獎(jiǎng)?wù)叨紴闄C(jī)器學(xué)習(xí)奠定了基礎(chǔ)，Hopfield創(chuàng)造了存儲和重建信息的結(jié)構(gòu)，而Hinton發(fā)明了獨(dú)立發(fā)現(xiàn)數(shù)據(jù)屬性的方法。
04由于此次獲獎(jiǎng)，人工智能技術(shù)在未來或許會對人類社會產(chǎn)生越來越深遠(yuǎn)的影響。
以上內(nèi)容由騰訊混元大模型生成，僅供參考
人工智能界迎來歷史性時(shí)刻！周二，2024年諾貝爾物理學(xué)獎(jiǎng)?lì)C給了AI教父。
諾貝爾物理學(xué)委員會（Nobel Committee for Physics）宣布，授予John Joseph Hopfield和Geoffrey E. Hinton諾貝爾物理學(xué)獎(jiǎng)，以表彰他們“利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”。
諾貝爾委員會表示：“今年的兩位諾貝爾物理學(xué)獎(jiǎng)獲得者利用了物理學(xué)方法來尋找信息的特征，構(gòu)建了為當(dāng)今強(qiáng)大的機(jī)器學(xué)習(xí)奠定基礎(chǔ)的方法。”
在頒獎(jiǎng)時(shí)，該委員會指出，機(jī)器學(xué)習(xí)“長期以來一直對研究很重要，包括對大量數(shù)據(jù)的排序和分析。”
Hopfield提出的“Hopfield神經(jīng)網(wǎng)絡(luò)”，以相當(dāng)于物理學(xué)中自旋系統(tǒng)能量的方式進(jìn)行描述，Hinton則在Hopfield神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上開發(fā)了一種新的神經(jīng)網(wǎng)絡(luò)“玻爾茲曼機(jī)”，玻爾茲曼機(jī)可以學(xué)習(xí)給定數(shù)據(jù)類型的特征元素，可以用來分類圖像或創(chuàng)建新材料。這一技術(shù)推動(dòng)了機(jī)器學(xué)習(xí)的爆炸式發(fā)展，掀起了廣為人知的深度學(xué)習(xí)革命。
John J. Hopfield：Hopfield網(wǎng)絡(luò)之父
John Joseph Hopfield生于1933年7月15日，于1954年獲得斯沃斯莫爾學(xué)院物理學(xué)學(xué)士學(xué)位，1958年在康奈爾大學(xué)獲得博士學(xué)位。
Hopfield現(xiàn)任美國普林斯頓大學(xué)教授，因在物理學(xué)和神經(jīng)網(wǎng)絡(luò)領(lǐng)域的貢獻(xiàn)而聞名。1982年，John Hopfield提出了Hopfield網(wǎng)絡(luò)，對人工智能和神經(jīng)網(wǎng)絡(luò)的發(fā)展影響深遠(yuǎn)。
這種網(wǎng)絡(luò)模仿了人類的記憶機(jī)制，類似于大腦中神經(jīng)元之間的突觸連接，通過調(diào)整網(wǎng)絡(luò)中節(jié)點(diǎn)間的連接，能夠存儲和恢復(fù)圖像及其他數(shù)據(jù)模式。Hopfield網(wǎng)絡(luò)引入了精確的二值神經(jīng)元和能量函數(shù)的概念，是人類對大腦計(jì)算過程研究的開創(chuàng)性工作。
委員會成員在頒獎(jiǎng)稿中寫道：
Hopfield發(fā)明了一種網(wǎng)絡(luò)，它使用一種保存和重新創(chuàng)建模式的方法。我們可以將節(jié)點(diǎn)想象成像素。Hopfield網(wǎng)絡(luò)利用物理學(xué)來描述材料由于原子自旋而產(chǎn)生的特性這種特性使每個(gè)原子都成為一個(gè)微小的磁鐵。整個(gè)網(wǎng)絡(luò)的描述方式相當(dāng)于物理學(xué)中自旋系統(tǒng)的能量，并通過尋找節(jié)點(diǎn)之間連接的值來進(jìn)行訓(xùn)練，以便保存的圖像具有較低的能量。
當(dāng)Hopfield網(wǎng)絡(luò)被輸入扭曲或不完整的圖像時(shí)，它會有條不紊地處理節(jié)點(diǎn)并更新它們的值，從而降低網(wǎng)絡(luò)的能量。因此，網(wǎng)絡(luò)逐步找到與輸入的不完美圖像最相似的保存圖像。
“AI三教父”之一：Geoffrey Hinton
Geoffrey Hinton也被廣泛稱作“神經(jīng)網(wǎng)絡(luò)之父”、“AI教父”，是人工智能和深度學(xué)習(xí)領(lǐng)域的領(lǐng)軍人物之一，他的學(xué)生和后輩遍布現(xiàn)在整個(gè)AI學(xué)術(shù)界和工業(yè)界。
Geoffrey Hinton于1947年出生于英國，現(xiàn)任加拿大多倫多大學(xué)教授。他曾在谷歌工作了近10年的時(shí)間，擔(dān)任副總裁兼工程研究員職務(wù)，幫助谷歌在圖像識別、語音識別等人工智能領(lǐng)域取得重大進(jìn)展。
2018 年，因在深度學(xué)習(xí)領(lǐng)域的開創(chuàng)性貢獻(xiàn)，Hinton與LeCun和Bengio一起獲得了圖靈獎(jiǎng)，該獎(jiǎng)通常被稱為“計(jì)算界的諾貝爾獎(jiǎng)”，以表彰他們在人工智能領(lǐng)域的卓越貢獻(xiàn)。
委員會寫道：
Geoffrey Hinton使用Hopfield網(wǎng)絡(luò)作為使用不同方法的新網(wǎng)絡(luò)的基礎(chǔ)：玻爾茲曼機(jī)，可以學(xué)習(xí)識別給定數(shù)據(jù)類型中的特征元素。
Hinton使用了統(tǒng)計(jì)物理學(xué)中的工具，統(tǒng)計(jì)物理學(xué)是由許多類似組件構(gòu)建的系統(tǒng)科學(xué)，通過向機(jī)器提供機(jī)器運(yùn)行時(shí)極有可能出現(xiàn)的示例來訓(xùn)練機(jī)器。玻爾茲曼機(jī)可用于對圖像進(jìn)行分類或創(chuàng)建訓(xùn)練它的模式類型的新示例。
Hinton以這項(xiàng)工作為基礎(chǔ)，幫助啟動(dòng)了當(dāng)前機(jī)器學(xué)習(xí)的爆炸性發(fā)展。
對人工智能基礎(chǔ)研究的重要肯定
Hinton周二在電話中告訴委員會，他對獲得該獎(jiǎng)項(xiàng)的消息感到“震驚”，“我不知道會這樣。”
他是在加州的一家“廉價(jià)酒店”發(fā)表講話的。“我本來今天要做核磁共振掃描，但我想我得取消了。”
委員會表示，這兩位獲獎(jiǎng)?wù)叨紴闄C(jī)器學(xué)習(xí)奠定了基礎(chǔ)：Hopfield“創(chuàng)造了一種可以存儲和重建信息的結(jié)構(gòu)”，而Hinton“發(fā)明了一種可以獨(dú)立發(fā)現(xiàn)數(shù)據(jù)屬性的方法，這種方法對于現(xiàn)在使用的大型人工神經(jīng)網(wǎng)絡(luò)來說已經(jīng)變得很重要。”
諾貝爾物理學(xué)獎(jiǎng)委員會主席Ellen Moons表示：
“獲獎(jiǎng)?wù)叩墓ぷ饕呀?jīng)產(chǎn)生了巨大的效益。在物理學(xué)領(lǐng)域，我們將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于廣泛的領(lǐng)域，例如開發(fā)具有特定屬性的新材料。”
Geoffrey Hinton和John Joseph Hopfield兩位科學(xué)家榮獲諾貝爾獎(jiǎng)，不僅是對他們個(gè)人成就的肯定，更是對人工智能研究價(jià)值的國際認(rèn)可。在未來，人工智能技術(shù)或許會對人類社會產(chǎn)生越來越深遠(yuǎn)的影響。
