电子 发烧友网报道（文/黄山明）近日，据新华社报道，瑞典皇家迷信院宣布，将2024年诺贝尔物理学奖授予美国迷信家约翰·霍普菲尔德（John Hopfield）和英国裔加拿大迷信家杰弗里·欣顿（Geoffrey Hinton），惩处他们在经常使用人工 神经网络 的 机器学习 方面的基础性发现和发明。作为在迷信界具备无足轻重的位置和深远影响的诺贝尔奖，它不只是对迷信家团体成就的最高必需，更是对整个迷信事业的推进和处罚。而此次将诺贝尔奖颁发给了机器学习，不只是对当下物理学与深度结合的高度认可，也是对机器学习这门学科发现与发明的价值上的必需。 机器学习的开创者 如今只需关注一些 科技 相关的报道，肯定对AI不会生疏，国际不少企业更是曾经推出了大模型，置信不少人都曾经用过。而这些AI大模型在发明之时，基本都经常使用了机器学习。与众人当今所熟知的大模型不同的是，此次诺贝尔物理学奖并不是授予给当下炽热的大模型，而是由霍普菲尔德于1982年所提出的霍普菲尔德神经网络，以及欣顿在上世纪80年代所发明的“玻尔兹曼机”。在20世纪80年代初，过后的计算机迷信和 人工智能 畛域正处于探求新计算模型和技术的阶段。彼时，钻研人员开局从新扫视神经网络作为处置 信息 的一种形式，尤其是在20世纪60年代末至70年代初，因为计算才干的限度以及对早期便捷模型（如感知机）的批判，神经网络的钻研一度堕入低谷。在这一背景下，霍普菲尔德正式提出了霍普菲尔德 网络 ，关键特点是一切神经元节点之间都是相互衔接的，构成了一个全衔接的网络结构。这种网络提供了一个 模拟 人类记忆的模型，它保障了向部分极小值的收敛，但有或许收敛到失误的部分极小值而非全局极小值。因此，该网络可以在联想记忆和形式识别方面有着宽泛的作用。打个比如，因为霍普菲尔德网络有着相似于人脑的联想记忆性能，即使输入的信息不完整或带有噪声，也能识别并纠正。当然，这种网络也存在着记忆容量有限、形式间易搅扰、对噪声容忍度低、同步降级不稳固等缺陷，造成在实践运行中有肯定局限性。但它为起初的神经网络钻研提供了灵感，促成了更多复杂的网络架构和训练方法的开展。1986年，欣顿与大卫·莱姆哈特（D. E. Rumelhart）等提出了误差反向流传 算法 （Error bk-propagation algorithm），简称BP算法，这一算法至今仍被一切大模型自监视学习算法所驳回。此外，欣顿还提出了AlexNet模型，将深度神经网络、大数据与相融合，并开创了第三次人工智能的钻研热潮。此外，欣顿与特伦斯·塞伊诺夫斯基（rrenceSejnowski）一同发明了玻尔兹曼机，这是一种基于统计物理学中玻尔兹曼散布的随机神经网络模型。这种模型能够经过学习数据中的概率散布来启动推理和决策，关于了解复杂系统中的形式识别具备关键意义。此次诺贝尔物理学奖的颁奖理由是，应用人工神经网络启动机器学习的基础发现和发明。而霍普菲尔德与欣顿正是机器学习这门学科最开局的开局，诺贝尔物理学委员会秘书乌尔夫·丹尼尔松在接受采访时示意，物理学奖可以授予实践上、试验上或许观测上的发现，也可以授予发明，往年的获奖成绩从某种意义上讲也是一种发明，一种可以多种形式运行的发明。 物理学与计算机的肯定结合 2022年末，OpenAI正式推出了ChatGPT，这标记着生成式人工智能技术的一个关键里程碑。更关键的是，随着AI大模型的开展，甚至曾经开局为物理学的钻研带来了全新的视角和方法。AI，特意是机器学习算法，能够处置海量数据，并从中识别出形式和规律。这关于剖析试验数据、天文观测数据等十分有用，可以协助物理学家更快地发现新的物理现象。也可以用于创立更复杂的物理模型，并且可以减速模拟环节。还可以用来设计更有效的试验打算，并优化试验条件，从而提高试验的效率和准确性。甚至在实践运行中，比如 集成电路 畛域，AI依托机器学习曾经开局设计出全新的 芯片 ，经过开展迭代，未来更高难度的芯片设计上班齐全交由AI也并非无法能。过去几十年来，物理学与计算机迷信正在变得越来越严密，甚至计算机迷信与物理学的结合催生了诸如计算物理、量子计算等新兴畛域，这些畛域不只推进了迷信前沿的开展，还或许带来反派性的技术打破。发现没有，计算机，尤其是AI这项工具将咱们很多上班都简化了，优化了效率，能够让人们不再须要去做那些重复或许只须要计算的上班，而是更多的从事发明性的事业。很多人关于往年的诺贝尔物理学奖结果有些出人预料，以为机器学习只是一项上班，并未实践的处置物理学中的疑问，因此很难以为这项成绩能够被授予诺贝尔奖。但物理学中有一个分支叫统计物理（Statistal Physics）它经常使用概率论和统计学的方法来钻研少量微观粒子（如原子和分子）组成的微观系统的全体行为。统计物理的指标是经过剖析组成物质的基本单元的行为来解释微观物理现象，如温度、压力、热容、相变等。便捷来说，统计物理就是探讨在给出集体之间的相互作用状况下，群体会发生什么样的行为。而机器学习呢，就是将一些很基础的机构用便捷的运算叠加在一同，而后发明出领有渺小能量的群体行为。从这个角度来看，如今的AI模型恰好就是验证了统计物理的想法。有人工智能专家以为，人工神经网络只管在物理学畛域还无余与基础物理学定律的奉献相媲美，却是对环球或许发生严重影响的人工智能迷信的基础性奉献。 写在最后 人类的迷信开展，肯定水平上可以以为是物理学的开展。从万有引力的发现，到相对论的推导，再到如今芯片的制造，超导体的研发等，都是物理学的表现。而今，AI开局深度介入到咱们的生存当中，经过 深度学习 ，AI能够协助咱们更高效的成功重复的上班，束缚人类的脑力。而这种人工神经网络的钻研，也有助于让咱们了解自己。回归最后的实质，物理通常指的是经过迷信的方法来探求物质环球的实质、结构和静止规律的学科。而在现代汉语中，物理更多的指事物的本色和情理，即事物的实质和运转的规律。而机器学习，何尝不是一种对事物本色和情理的探求呢？
© 版权声明