2024年物理诺奖颁给“AI+物理”：Geoffrey Hinton和John Hopfield因人工神经网络成果获奖

北京时间10月8日下午5点45分许，2024年诺贝尔物理学奖揭晓。来自美国和加拿大的两名科学家John J. Hopfield、Geoffrey E. Hinton获奖，以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。

今年获奖的两位物理学家完全出乎所有人的预料。与传统的物理学研究不同，今年得主的成果代表着计算机科学的进步。之前，诺贝尔物理学奖从未直接颁发给计算机科学相关的研究，尤其是软件、算法相关的研究。

颁奖的时候，Hinton也处于在线上网状态，但他表示他完全没想到自己能获得诺贝尔物理学奖。Hinton回忆了自己成果的发现过程，并致敬了所有的合作者，讲述了他们是如何一步一步实现了基于玻尔兹曼机的学习算法。

当被问到他自己在用什么AI工具时，Hinton表示他自己在用GPT-4。他不完全相信GPT-4的答案，但一旦自己有什么不知道，就会去问一下GPT-4。

诺奖委员会表示，今年这两位诺贝尔物理学奖得主利用物理学工具开发出的人工神经网络方法，为当今强大的机器学习奠定了基础。

Hopfield发明了一种联想记忆，可以存储和重建图像和其他类型的数据模式。Hinton发明了一种可以在数据中自主查找属性的方法，从而执行诸如识别图片中特定元素等任务。

当我们谈论人工智能时，我们通常指的是使用人工神经网络的机器学习。而这项技术的早期灵感来自大脑结构。

在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过类似突触的连接相互影响，这些连接可以变得更强或更弱。而网络可以被训练，例如通过在同时具有高值的节点之间建立更强的连接。

今年的获奖者从20世纪80年代开始就对人工神经网络进行了重要研究。Hopfield发明了一种网络——Hopfield网络，它使用了一种可保存和重建图片的方法。

我们可以将节点想象成像素。Hopfield网络利用物理学来描述材料由于原子自旋而产生的特性，这种特性使每个原子都成为了一个微小的磁铁。

整个网络的描述方式相当于物理学中自旋系统的能量，并通过寻找节点之间连接的值来进行训练，以便让保存的图像具有较低的能量。

当Hopfield网络被输入变形或不完整的图像时，它会有条不紊地处理节点并更新它们的值，从而降低网络的能量。因此，网络会逐步找到与输入的不完美图像最相似的保存图像。

Hinton以Hopfield网络为基础，开发了一种新网络：玻尔兹曼机（Boltzmann machine）。这种机器能够通过学习来识别某类数据中的特定元素特征。在此期间，Hinton利用了统计物理学的工具。

统计物理学是研究由许多相似组件构建的系统性科学，并通过输入机器运行时很可能出现的例子来训练机器。

玻尔兹曼机可以用来分类图像或根据它训练时使用的模式类型创建新例子。Hinton在此基础上继续发展，帮助启动了当前机器学习的爆炸式发展。

诺贝尔物理学奖委员会主席Ellen Moons表示：“获奖者的工作已经产生了巨大的效益。在物理学中，人工神经网络已经得到了广泛的应用，例如开发具有特定属性的新材料。”

John J. Hopfield：91岁的高龄诺奖得主

Hopfield是美国普林斯顿大学教授。其因对联想神经网络的研究而广为人知，该模型现在被称为Hopfield网络。

他的父母都是物理学家。 早年，他在美国斯沃斯莫尔学院获得学士学位，之后在美国康奈尔大学获得物理学博士学位。在美国贝尔实验室的理论小组工作两年后，分别在美国加州大学伯克利分校、普林斯顿大学和美国加州理工学院任教，随后再次回到普林斯顿大学任教。

1974 年，Hopfield证明了基因表达的高精确度可以用称为“动态校对”的偶联化学反应来解释，这也是遗传学领域的一项重大贡献。

他将动态校对描述为生物反应（如蛋白质合成）中的一种纠错机制，它在基因表达的所有步骤以及免疫系统识别外来物质的能力中都是必不可少的。

1982 年，他开发了一种神经网络模型，用于解释大脑如何回忆记忆。其解释了神经元系统如何相互作用以产生稳定的记忆，以及神经元系统如何应用简单的过程来根据部分信息完成整个记忆。

Hopfield神经网络对物理学、生物学和计算机科学等不同领域产生显著影响。通过构建能够模拟人脑某些功能的人工神经网络，机器现在可以使用这些过程来存储“记忆”，这项技术进步掀起了深度学习技术的研究浪潮。目前，他的研究主要集中于动作电位定时和同步如何用于神经生物学计算。

图 | Geoffrey E. Hinton（来源：资料图）

声明： 本网站原创内容，如需转载，请注明出处；本网站转载内容（文章、图片、视频等资料）的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的，未能及时和您沟通确认的，请第一时间通知我们，以便我们第一时间采取相应措施，避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们，我们有权利免于承担任何责任。 我们的联系邮箱：news@cecb2b.com。