米兰-诺贝尔物理学奖为何授予机器学习？—新闻—科学网

辛顿开辟的玻尔兹曼机成了生成模子的初期例子。玻尔兹曼机常被用作一个年夜收集的一部门，可以用来按照不雅众的爱好保举片子或电视剧。

机械进修与传统软件分歧，传统软件的工作体例就像一种配方。传统软件领受数据，然后按照清楚的描写进行处置并发生成果，就像有人搜集原料并依照食谱处置。相反，在机械进修中，计较机经由过程实例进修，使其可以或许解决恍惚和复杂的问题，这些问题没法经由过程一步一步的指令来治理。

约翰 J 霍普菲尔德和杰弗里 E 辛顿因“经由过程人工神经收集实现机械进修的根本性发现和发现”，取得2024年诺贝尔物理学奖。

10月8日，2024年诺贝尔物理学奖出乎料想地授与机械进修研究范畴，成果发布后，连获奖者本人杰弗里 E 辛顿（Geoffrey E. Hinton）在接管瑞典皇家科学院的德律风采访时，也直呼“没有想到”。

2024年，普林斯顿年夜学的约翰 J 霍普菲尔德（John J. Hopfield）和加拿年夜多伦多年夜学的杰弗里 E 辛顿因“经由过程人工神经收集实现机械进修的根本性发现和发现”，取得诺贝尔物理学奖。获奖者将同享1100万瑞典克朗（约合745万元人平易近币）奖金。

诺贝尔物理学奖为什么花落机械进修？机械进修在曩昔15到20年里爆炸式成长，它操纵了一种叫做人工神经收集的布局。所以当我们谈论人工智能时，凡是指的是利用人工神经收集的机械进修。固然计较机不克不及思虑，但机械此刻可以摹拟记忆和进修等功能。这要得益在本年诺贝尔物理学奖得主的缔造性工作。

本年的两位诺贝尔物理学奖得主两位获奖者约翰 霍普菲尔德和杰弗里 辛顿从20世纪80年月最先就在人工神经收集方面展开了主要工作。他们利用了物理学的东西来开辟方式，这些方式是现今壮大的机械进修的根本。

霍普菲尔德缔造了一种联想记忆，可以存储和重建图象和其他类型的数据模式。当给定一个不完全或略微扭曲的收集模式时，霍普菲尔德的方式可以找到最类似的存储模式。

1980年，霍普菲尔德分开了普林斯顿年夜学的职位，他的研究爱好把他带出了物理学同业们工作的范畴。他来到加州理工学院担负化学和生物学传授。在那边，他可使用计较机资本进行免费尝试，并成长他关在神经收集的设法。但他并没有抛却本身的物理学根本。磁性材料因为原子自旋而使得每一个原子都能成为一个细小的磁铁，相邻原子的自旋彼此影响。得益在对磁性材料的领会，霍普菲尔德操纵描写自旋彼此影响时材料若何成长的物理学道理，成立了一个具有节点和毗连的模子收集。霍普菲尔德等人继续成长霍普菲尔德收集的运作细节，例如可以存储任何值的节点，而不但仅是0或1。假如把节点想象成图片中的像素，它们可以有分歧的色彩，而不但仅是黑色或白色。改良的方式使保留更多的图片成为可能，即便它们很是类似，也能够辨别它们。

图片来自诺奖官网。

记住一幅图象是一回事，但要注释它所描画的内容需要更多的工具。

辛顿曾在英格兰和苏格兰研究尝试心理学和人工智能，他想知道机械是不是能像人类一样学会处置模式，分类息争释信息。当霍普菲尔德1982年颁发关在联想记忆的文章时，辛顿正在卡内基梅隆年夜学工作。辛顿将霍普菲尔德发现的收集作为一个新收集的根本，这类新收集利用另外一种方式是玻尔兹曼机，可以进修辨认给定类型数据中的特点元素。这一方式颁发在1985年。

辛顿利用了统计物理学的东西，经由过程给机械输入案例来练习机械。玻尔兹曼机不是从指令中进修，而是从给定的例子中进修，它可对图象进行分类，或为它所练习的模式类型建立新的案例。玻尔兹曼机每次更新一个节点的值，终究机械将进入一种状况，在这类状况下，节点的模式可以改变，但全部收集的属性连结不变。按照玻尔兹曼方程，每一个可能的模式都有一个特定的几率，这个几率由收集的能量决议。当机械住手时，它缔造了一个新的模式，这使得玻尔兹曼机成了生成模子的初期例子。

约翰 J 霍普菲尔德和杰弗里 E 辛顿因“经由过程人工神经收集实现机械进修的根本性发现和发现”，取得2024年诺贝尔物理学奖。

20世纪90年月，很多研究人员对人工神经收集掉去了爱好，但辛顿是继续在该范畴摸索的科学家之一，他还在这项工作的根本上帮忙启动了当前机械进修的爆炸性成长。2006年，他和同事开辟了一种预练习收集的方式，该收集由一系列分层的波尔兹曼机构成。这类预练习为收集中的毗连供给了一个更好的出发点，从而优化了辨认图象元素的练习。玻尔兹曼机常被用作一个年夜收集的一部门，可以用来按照不雅众的爱好保举片子或电视剧。

值得一提的是，辛顿因在深度进修方面的进献与约书亚 本希奥和杨立昆一同被授与了2018年的图灵奖。

今天的人工神经收集凡是是庞大的，由更多层构成。它们被称为深度神经收集，它们的练习体例被称为深度进修。人工智能愈来愈深切各行各业、帮忙科学研究。诺奖官方评价称，物理学为机械进修的成长供给了东西，物理学作为一个研究范畴若何也从人工神经收集中受益将是有趣的。

特殊声明：本文转载仅仅是出在传布信息的需要，其实不意味着代表本网站不雅点或证实其内容的真实性；如其他媒体、网站或小我从本网站转载利用，须保存本网站注明的“来历”，并自大版权等法令责任；作者假如不但愿被转载或联系转载稿费等事宜，请与我们联系。