2024年诺贝尔物理学奖揭晓 -- 人工神经网络方法

可靠    创新    同行    发展

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”。

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。

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。”

物理学奖金质奖章

诺贝尔物理学奖章由瑞典雕刻家埃里克?林德贝格（Erik Lindberg）设计，上面刻绘着一幅美丽的场景：大自然的具像化女神伊希斯从云中浮现，手中握着象征丰饶的羊角，一位科学的守护女神正轻轻揭开伊希斯的面纱，露出了她冷峻的面容。

相关应用介绍

扫描关注微信公众号，随时了解更新信息！

扫描关注，随时沟通。