在令人惊叹的诺贝尔奖获奖中，AI研究人员霍普费尔德和欣顿获得2024年物理学奖
从物理学中汲取的技术
胜利已然在握引人注目在社交媒体上因为似乎不寻常的是，像机器学习这样的计算机科学领域的研究可能会获得物理学诺贝尔奖。"而且2024年物理学诺贝尔奖不是颁发给物理学的……"推特上发布了德国物理学家萨宾娜·霍森费尔德今早。
诺贝尔委员会的视角该奖项主要源于这两位男士借鉴了物理学中使用的统计模型，部分原因也是为了认可利用他们的神经网络技术作为研究工具所带来的物理科学研究进展。
瑞典卡罗林斯卡学院的物理学家、诺贝尔委员会主席埃伦·穆恩在宣布时说：“人工神经网络已被用于推进从粒子物理学、材料科学到天体物理学等各个领域物理研究的进步。”
霍普费尔德，这位拥有物理学背景的91岁理论生物学家取得了突破性进展。1982年通过开发一个将节点之间的连接描述为物理力的网络，如《自然》杂志所述描述了在他的报告中。他的创新，被称为霍普菲尔德网络使用了来自物理学的概念，描述原子自旋在材料中的行为。特别是，它将模式存储为低能量状态，使得系统可以在被类似模式提示时重现图像。这种方法模仿了联想记忆，类似于大脑回忆单词或概念的方式。
一项描述神经元和人工神经元的诺贝尔奖宣传插图。
一份描述神经元和人工神经元的诺贝尔奖宣传插图。致谢： © Johan Jarnestad/The Royal Swedish Academy of Sciences 如无具体内容需翻译，保持原样。
76岁的辛顿基于20世纪80年代初，霍普菲尔德通过开发一种包含概率的分层版本的霍普菲尔德网络进行了研究。欣顿将这种研究与物理学中对大量类似元素（如气体分子）系统的研究进行了类比。物理学家不是跟踪单个分子，而是考察系统的集体属性，例如压力或温度。19世纪物理学中的玻尔兹曼方程计算了这些系统处于不同状态的概率。欣顿将这一概念应用于神经网络，并将其1985年的方法命名为玻尔兹曼机，该论文强调了机器学习与统计物理学之间的联系。玻尔兹曼机能够识别和分类图像，并根据其训练数据生成新的示例。
暂无评论