劃重點(diǎn)
012024年諾貝爾物理學(xué)獎授予約翰霍普菲爾德和杰弗里辛頓，以表彰他們在使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明。
02霍普菲爾德發(fā)明了霍普菲爾德神經(jīng)網(wǎng)絡(luò)，而辛頓發(fā)明了玻爾茲曼機(jī)，為人工智能的發(fā)展奠定了基矗
03由于此，人工智能技術(shù)在科學(xué)領(lǐng)域的應(yīng)用眾多，甚至讓不少研究學(xué)者找到了新的研究方法。
04諾貝爾獎的獎項包括物理學(xué)、化學(xué)、和平、生理學(xué)或醫(yī)學(xué)、文學(xué)、經(jīng)濟(jì)學(xué)六大類，人工智能領(lǐng)域的學(xué)者只能跨界獲得諾貝爾獎。
05專家認(rèn)為，兩位獲獎?wù)叩难芯繉⒂绊懹锌萍几偁幰庾R的國家，在人工智能產(chǎn)業(yè)上加大投資，同時也會讓越來越多的人認(rèn)識到人工智能的發(fā)展?jié)摿Α?/p>
以上內(nèi)容由騰訊混元大模型生成，僅供參考
經(jīng)濟(jì)觀察網(wǎng) 記者 錢玉娟 沈怡然 陳奇杰 當(dāng)?shù)貢r間10月8日，瑞典皇家科學(xué)院宣布，將2024年諾貝爾物理學(xué)獎授予約翰霍普菲爾德（John J. Hopfield）和杰弗里辛頓（Geoffrey E. Hinton），以表彰他們在使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明。
諾貝爾物理學(xué)委員會主席埃倫穆恩斯（Ellen Moons）在當(dāng)天的新聞發(fā)布會上表示，兩位獲獎?wù)呃媒y(tǒng)計物理的基本概念設(shè)計了人工神經(jīng)網(wǎng)絡(luò)，構(gòu)建了機(jī)器學(xué)習(xí)的基矗相關(guān)技術(shù)已被用于推動多個領(lǐng)域的研究，包括粒子物理、材料科學(xué)、天體物理等，也已用于日常生活中的人臉識別和語言翻譯等。
此前，物理學(xué)界預(yù)測今年諾貝爾物理學(xué)獎的熱門獲獎領(lǐng)域，包括凝聚態(tài)、超材料、分?jǐn)?shù)統(tǒng)計、任意子等。但兩位人工智能（AI）領(lǐng)域的研究者獲得諾貝爾物理學(xué)獎，出乎很多物理學(xué)界人士的預(yù)料。辛頓在接受瑞典皇家科學(xué)院的電話采訪時，也表示“沒有想到（會獲獎）”。
談及他們的獲獎理由，國際測試委員會創(chuàng)始主席、中國科學(xué)院大學(xué)崗位教授詹劍鋒告訴經(jīng)濟(jì)觀察網(wǎng)，兩位獲獎?wù)叩难芯客貙捔宋锢韺W(xué)的邊界，物理學(xué)界人士已經(jīng)認(rèn)為人工智能是自然創(chuàng)造事物里面的一部分，與物理世界、人類社會緊密相關(guān)。
詹劍鋒說，當(dāng)前人工智能技術(shù)在科學(xué)領(lǐng)域的應(yīng)用眾多，甚至讓不少研究學(xué)者找到了新的研究方法，包括通過人工智能發(fā)現(xiàn)新的數(shù)學(xué)規(guī)律、計算方法等，例如當(dāng)下火熱的AI for Science（即將人工智能與科學(xué)研究深度結(jié)合）。
值得注意的是，諾貝爾獎的獎項包括物理學(xué)、化學(xué)、和平、生理學(xué)或醫(yī)學(xué)、文學(xué)、經(jīng)濟(jì)學(xué)六大類，人工智能領(lǐng)域的學(xué)者只能跨界獲得諾貝爾獎。
北電數(shù)智首席科學(xué)家、復(fù)旦大學(xué)特聘教授竇德景認(rèn)為，霍普菲爾德和辛頓如果拿到諾貝爾生理學(xué)或醫(yī)學(xué)獎，可能也是合理的獲獎方式。因為使用人工神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)是人工智能的核心，這項技術(shù)最初的靈感來自大腦的結(jié)構(gòu)。
公開資料顯示，霍普菲爾德于1933年在美國伊利諾伊州芝加哥市出生，并于1958年獲得美國康奈爾大學(xué)博士學(xué)位，現(xiàn)任美國普林斯頓大學(xué)教授。
1982年，霍普菲爾德從物理學(xué)描述磁性材料的理論中獲得靈感，發(fā)明了霍普菲爾德神經(jīng)網(wǎng)絡(luò)。霍普菲爾德網(wǎng)絡(luò)屬于一種數(shù)學(xué)和計算概念，這種網(wǎng)絡(luò)由相互連接的神經(jīng)元組成，用于模仿人腦的記憶功能來存儲和回憶信息。
這一神經(jīng)網(wǎng)絡(luò)能夠在信息不完整或有錯誤時，嘗試還原最接近原始的正確信息或找到最佳解決方案，可以初步讓機(jī)器識別一些圖像和語音。
但在當(dāng)時，人工智能的發(fā)展還處于初級階段，機(jī)器開始在特定專業(yè)領(lǐng)域表現(xiàn)出學(xué)習(xí)能力，卻仍缺乏常識性的知識，其應(yīng)用也局限于特定的任務(wù)，包括醫(yī)療、化學(xué)和地質(zhì)等領(lǐng)域，遠(yuǎn)未達(dá)到通用和全面的智能水平。
辛頓被譽(yù)為深度學(xué)習(xí)之父，是2018年圖靈獎得主之一。他于1947年在英國倫敦出生，并于1978年獲得英國愛丁堡大學(xué)博士學(xué)位，現(xiàn)任加拿大多倫多大學(xué)教授。
辛頓的研究工作受到了霍普菲爾德的啟發(fā)，他利用霍普菲爾德神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶功能，發(fā)明了新的神經(jīng)網(wǎng)絡(luò)玻爾茲曼機(jī)。通過模擬物理系統(tǒng)中的粒子的運(yùn)動，玻爾茲曼機(jī)能學(xué)習(xí)數(shù)據(jù)的概率分布，幫助機(jī)器學(xué)習(xí)到數(shù)據(jù)中的規(guī)律。
這一發(fā)明是人工智能的一個重要里程碑，意味著機(jī)器在嘗試一種探索性學(xué)習(xí)，主動理解數(shù)據(jù)的本質(zhì)，從數(shù)據(jù)本身中發(fā)現(xiàn)有用的信息，而不是依賴于預(yù)先定義的標(biāo)簽。這讓機(jī)器更接近人腦，去識別和理解周圍世界中的各種規(guī)律。
玻爾茲曼機(jī)也將人工智能從傳統(tǒng)的機(jī)器學(xué)習(xí)方法帶入了深度學(xué)習(xí)的新時代，為后續(xù)的研究奠定了理論基礎(chǔ)，研究者們后來發(fā)明了卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等，讓機(jī)器能更自主地處理圖像、語音以及文本數(shù)據(jù)，在一定程度上模擬人類的視覺系統(tǒng)、語言系統(tǒng)和聽覺系統(tǒng)。
去年12月，國際測試委員會（BenchCouncil）從1943年至今的人工智能領(lǐng)域成果中遴選出了100多項代表性成果，在確定主要貢獻(xiàn)者的基礎(chǔ)上產(chǎn)生了人工智能領(lǐng)域百年人才榜、國家榜和機(jī)構(gòu)榜，辛頓和霍普菲爾德分別位列百年人才榜中的第三位和第六位。
詹劍鋒認(rèn)為，兩位獲獎?wù)呔跈C(jī)器學(xué)習(xí)領(lǐng)域有所建樹，這或?qū)⒂绊懹锌萍几偁幰庾R的國家，在人工智能這一產(chǎn)業(yè)上加大投資，同時也會讓越來越多的人認(rèn)識到人工智能的發(fā)展?jié)摿ΑＫ麖闹Z貝爾獎遴選的結(jié)果以及產(chǎn)業(yè)發(fā)展的趨勢預(yù)判，未來人工智能產(chǎn)業(yè)會對全行業(yè)帶來巨大的沖擊。
