当地时间10月8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton），以表彰他们在利用人工神经网络进行机器学习方面的基础发现和发明工作。网络。
诺贝尔物理委员会主席埃伦·穆恩斯在当天的新闻发布会上表示，两位获奖者利用统计物理学的基本概念设计了人工神经网络，构建了机器学习的基础。相关技术已被用来推动多个领域的研究，包括粒子物理、材料科学、天体物理学等，也被应用于日常生活中的人脸识别和语言翻译。
此前，物理学界预测今年诺贝尔物理学奖的热门领域包括凝聚态、超材料、分数统计、任意子等。然而，人工智能（AI）领域的两位研究人员获得了诺贝尔物理学奖，这超出了物理学界许多人的预期。辛顿在接受瑞典皇家科学院电话采访时也表示，他“没想到（获胜）”。
谈及获奖原因，国际测试委员会创始主席、中国科学院大学教授詹建峰告诉经济观察报，两位获奖者的研究拓宽了物理学的边界。物理学界的人们已经相信人工智能是自然创造的一部分。其中一部分与物质世界、人类社会密切相关。
詹建峰表示，目前人工智能技术在科学领域的应用有很多，甚至很多研究人员找到了新的研究方法，包括通过人工智能发现新的数学定律和计算方法，比如目前很流行的AI for Science（即将推出）人工智能与科学研究的深度融合）。
值得注意的是，诺贝尔奖奖项包括物理、化学、和平、生理学或医学、文学、经济学六大类。人工智能领域的学者只能跨领域获得诺贝尔奖。
北电数字智能首席科学家、复旦大学特聘教授窦德静认为，如果霍普菲尔德和辛顿获得诺贝尔生理学或医学奖，或许是一个合理的获奖方式。由于使用人工神经网络的机器学习是人工智能的核心，因此该技术最初受到大脑结构的启发。
公开资料显示，霍普菲尔德1933年出生于伊利诺伊州芝加哥，1958年获得康奈尔大学博士学位，现任美国普林斯顿大学教授。
1982年，Hopfield受到物理学中描述磁性材料的理论的启发，发明了Hopfield神经网络。 Hopfield 网络是互连神经元网络的数学和计算概念，用于存储和调用信息，模仿人脑的记忆功能。
这种神经网络可以在信息不完整或错误时尝试恢复最接近原始的正确信息或找到最佳解决方案，并可以初步让机器识别一些图像和声音。
但当时，人工智能的发展还处于起步阶段。机器开始展现出特定专业领域的学习能力，但仍然缺乏常识知识。它们的应用也仅限于特定任务，包括医学、化学、地质等领域。远未达到普遍、全面的智能水平。
Hinton 被誉为深度学习之父，是 2018 年图灵奖获得者之一。 1947年出生于英国伦敦，1978年获得英国爱丁堡大学博士学位，现任加拿大多伦多大学教授。
辛顿的研究工作受到霍普菲尔德的启发。他利用Hopfield神经网络的联想记忆功能，发明了一种新的神经网络玻尔兹曼机。通过模拟物理系统中粒子的运动，玻尔兹曼函数可以学习数据的概率分布，帮助机器学习数据中的模式。
这项发明是人工智能的一个重要里程碑，这意味着机器正在尝试一种探索性学习，主动理解数据的本质，从数据本身发现有用的信息，而不是依赖于预定义的标签。这使得机器更接近人脑，以识别和理解周围世界的各种模式。
玻尔兹曼机也将人工智能从传统的机器学习方法带入了深度学习的新时代，为后续研究奠定了理论基础。研究人员后来发明了卷积神经网络（CNN）和循环神经网络。 （RNN）等，让机器更加自主地处理图像、语音和文本数据，在一定程度上模拟了人类的视觉系统、语言系统和听觉系统。
去年12月，国际测试委员会（BenchCouncil）评选出1943年至今人工智能领域的100多项代表性成果。在确定主要贡献者的基础上，产生了百年人才榜、国家榜和人工智能领域人才榜。机构榜单中，Hinton 和 Hopfield 在百年人才榜上分别排名第三和第六。
詹剑峰认为，两位获奖者都在机器学习领域取得了成就，可能会影响有技术竞争意识的国家加大对人工智能产业的投入，也将使越来越多的人认识到人工智能的发展潜力。智力。他从诺奖评选结果和产业发展趋势预测，未来人工智能产业将对整个行业产生巨大影响。
评论（0）