米兰-诺贝尔物理学奖：推动机器学习技术“爆炸式”发展—新闻—科学网

还记得阿谁横空出生避世即一路“狂飙”的ChatGPT吗？2023年以来，人工智能（AI）“百模年夜战”从硝烟燃起到周全打响，让人目不暇接。而AI模子背后的要害手艺，恰是机械进修。

10月8日，瑞典皇家科学院公布，将2024年诺贝尔物理学奖授与美国科学家约翰 霍普菲尔德和英裔加拿年夜科学家杰弗里 辛顿，以表扬他们经由过程人工神经收集实现机械进修而作出的根本性发现和发现。

图片来历：诺贝尔奖委员会官网

?

诺贝尔奖委员会在一份声明中称：“虽然计较机没法思虑，但此刻，机械已可以模拟人的记忆并具有进修等功能。本年的物理学奖得主为实现这一方针作出了进献。” 当我们谈论AI时，凡是指的是利用人工神经收集进行的机械进修。现在，基在人工神经收集的机械进修正在完全改变科学、工程和平常糊口。 事实上，这项手艺最初的开辟灵感源自人脑布局。在人工神经收集中，年夜脑的神经元由具有分歧值的节点暗示。这些节点经由过程近似在突触的毗连彼此影响，这些毗连可以变强或变弱。例如，经由过程在同时具有高数值的节点之间成立更强的毗连，可以对收集进行练习。 机械进修持久以来一向是科学家们研究的主要内容，此中包罗对年夜量数据的分类和阐发。霍普菲尔德和辛顿操纵物理学东西构建了新方式，为现今壮大的机械进修奠基了根本。他们的研究肇端阶段可回溯至20世纪80年月，早在那时，他们就在人工神经收集方面展开了主要工作。 若何理解呢？我们可以将节点想象成像素。“霍普菲尔德收集”操纵了物理学中描写物资特征的道理。该道理注解，材料因原子自旋而具有怪异性，这类特征使每一个原子成为一个小型磁铁。全部收集的描写体例相当在物理学中自旋系统的能量，它经由过程寻觅节点之间毗连的值来进行练习，从而使得保留的图象具有较低的能量。 当输入扭曲或不完全的图象时，“霍普菲尔德收集”会系统地遍历节点并更新它们的值，从而下降收集的能量。是以，收集可以或许慢慢找到与输入的不完善图象最类似的已保留图象。 辛顿的研究成立在“霍普菲尔德收集”根本之上，他构建了一种利用分歧方式的新收集，即玻尔兹曼机。它可以或许进修辨认给定类型数据中的特点元素。在研究中，辛顿应用统计物理学道理，经由过程输入机械运行时可能呈现的示例对其进行练习。玻尔兹曼机可用在对图象进行分类，或建立练习模式类型的新示例。辛顿在此根本长进行了拓展，鞭策了当前机械进修的爆炸式成长。

“获奖者的工作已发生了庞大效益。在物理学中，人工神经收集普遍利用在各个范畴，例如开辟具有特定属性的新材料。”诺贝尔物理学委员会主席埃伦 穆恩斯如是说。

天津年夜学天然说话处置尝试室负责人熊德意传授告知科技日报记者，诺贝尔物理学奖颁给两位AI科学家，除表扬他们在将物理学与人工神经收集深度连系方面所作的进献以外，可能还两层隐含义义，一是物理纪律不但存在在天然界中，在数字世界（计较机模子、模子建立的虚拟世界）中也可能阐扬着制约感化；二是AI与物理学等根本科学存在千丝万缕的联系，根本科学不但为AI筑起了基座，同时其发现和理论也为AI研究供给了开导和灵感。

与此同时，熊德意认为，跟着AI纵深成长，其对根本科学的反哺感化愈来愈较着，智能驱动的科研，极有可能成为科研第五范式；AI带来的主动化根本科研，将来可能鞭策根本研究实现跨域式成长。

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。