2024 年诺贝尔物理学奖公布！

luyuanhong

2024 年诺贝尔物理学奖公布！

原创 刘易安 物理思享者 2024 年 10 月 08 日 18:55 安徽

2024 年诺贝尔物理学奖授予约翰·霍普菲尔德和杰弗里·辛顿，以表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。



他们用物理学训练人工神经网络

今年的两位诺贝尔物理学奖得主使用了物理学的工具来开发方法，这些方法是当今强大的机器学习的基础。约翰·霍普菲尔德创造了一种联想记忆，可以存储和重建图像和其他类型的数据模式。杰弗里·辛顿（Geoffrey Hinton）发明了一种方法，可以自动找到数据中的属性，从而执行识别图片中的特定元素等任务。

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。这项技术最初是受到大脑结构的启发。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。这些节点通过连接相互影响，这些连接可以被比作突触，可以增强或减弱。例如，通过在同时具有高值的节点之间建立更强的连接来训练网络。今年的获奖者从 20 世纪 80 年代开始就在人工神经网络方面进行了重要的工作。

约翰·霍普菲尔德发明了一种网络，它使用一种方法来保存和重建模式。我们可以把节点想象成像素。Hopfeld 网络利用物理学来描述材料的特性，这是由于它的原子自旋——一种使每个原子成为微小磁铁的特性。整个网络以一种相当于物理中发现的自旋系统能量的方式描述，并通过寻找节点之间的连接值来训练，以便保存的图像具有低能量。当给 Hopfeld 网络输入一张扭曲或不完整的图像时，它会有条不紊地通过节点并更新它们的值，这样网络的能量就会下降。因此，网络逐步找到最像它输入的不完美图像的保存图像。

杰弗里·辛顿使用 Hopfeld 网络作为一个新网络的基础，它使用了一种不同的方法：玻尔兹曼机。这可以学习识别给定类型数据中的特征元素。辛顿使用了统计物理学的工具，这是一门由许多相似组件组成的系统科学。通过给机器输入在机器运行时很可能出现的例子来训练机器。玻尔兹曼机器可以用来对图像进行分类，或者为它所训练的模式类型创建新的例子。辛顿在这项工作的基础上，帮助启动了当前机器学习的爆炸性发展。

“获奖者的工作已经带来了最大的好处。在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定性能的新材料，”诺贝尔物理学委员会主席 Ellen Moons 说。

（以上来自诺奖官网的介绍）

素材来源：官方媒体/网络新闻