图源｜nobelprize.org
- John J. Hopfield、Geoffrey E. Hinton 致力于神经网络研究
- 他们的工作为机器学习和人工智能奠定了基础
2024 年 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美国普林斯顿大学教授 约翰·J·霍普菲尔德（John J. Hopfield ）和加拿大多伦多大学教授杰弗里·E·辛顿（ Geoffrey E. Hinton），以表彰他们“在人工神经网络机器学习方面的基础性发现和发明”。
机器学习先驱Hinton、Hopfield共同获奖，出乎所有人意料！
图源｜nobelprize.org
????小编感慨，今年的诺贝尔物理学奖颁给了神经生物学家，这给到的震惊比文学奖颁给鲍勃迪伦还大那么一点，这下子，机器学习要来统治天下了！
约翰·J·霍普菲尔德 (John J. Hopfield ) 1933 年出生于美国伊利诺伊州芝加哥。1958 年获得美国纽约州伊萨卡康奈尔大学博士学位。美国新泽西州普林斯顿大学教授。
杰弗里·E·辛顿，1947 年出生于英国伦敦。1978 年在英国爱丁堡大学获得博士学位。加拿大多伦多大学教授。
是他们运用物理学的工具，为今天强大的人工神经网络铺平了道路。
图源｜nobelprize.org
人工神经网络的灵感来源于我们的大脑。
就像大脑由数十亿个神经元通过突触相连一样，人工神经网络由大量的“节点”通过“连接”组成。每个节点就像一个神经元，可以存储一个值；而连接的强弱则类似于突触的强度，决定了信息传递的效果。
图源｜nobelprize.org
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。这项技术最初的灵感来自大脑的结构。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。这些节点通过可以比作突触的连接相互影响，这些连接可以变得更强或更弱。网络的训练方式是，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1980 年代就开始就对人工神经网络进行了重要的研究。
01
霍普菲尔德的联想记忆
约翰·霍普菲尔德（John Hopfield）发明了一种网络，它使用一种保存和重新创建模式的方法。我们可以将节点想象成像素。霍普菲尔德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，以便保存的图像具有较低的能量。这是一种革命性的网络结构，被称为“霍普菲尔德网络”。它能够存储多个模式（比如图像），并且在给定不完整或有噪声的输入时，能够重构出最相似的存储模式。他的灵感来自物理学中描述磁性材料的理论。并将网络的状态比作一个“能量景观”，每个存储的模式就像景观中的一个山谷。当网络接收到新的输入时，就像在这个景观中滚动一个球，最终会停在最接近的山谷中，也就是找到了最相似的存储模式。
图源｜nobelprize.org
02
辛顿玻尔兹曼机的“自主学习”
杰弗里·辛顿 (Geoffrey Hinton)霍普菲尔德的网络主要用于存储和检索信息，杰弗里·辛顿则更进一步，希望机器能像人类一样自主学习和分类信息。1985年，辛顿和同事提出了“玻尔兹曼机”，这个名字源于19世纪物理学家路德维希·玻尔兹曼的方程。这是一个采用不同方法的新网络。它可以学习识别给定类型数据中的特征元素。
Hinton现在是图灵诺贝尔双料得主！
图源｜nobelprize.org
辛顿使用了统计物理学的工具，统计物理学是一门由许多相似组件构建的系统科学。通过输入机器运行时很可能出现的示例来训练机器。玻尔兹曼机可用于对图像进行分类，或创建训练模式类型的新示例。辛顿在此基础上继续发展，帮助开启了机器学习的爆炸式发展。这种结构允许网络不仅能识别已知模式，还能生成新的、相似的模式。比如，它可以在看过多张猫的图片后，生成一张新的、看起来像猫的图像。
图源｜nobelprize.org
03
机器学习的“革命”！
2024 年诺贝尔物理学奖揭晓以后，一些人认为这一获奖成果“不够物理”。其实本次颁奖不仅是对霍普菲尔德和辛顿个人成就的肯定，更是对跨学科研究重要性的强调。
霍普菲尔德和辛顿的工作为机器学习奠定了理论基础，但真正的革命是在2010年左右开始的。得益于计算能力的巨大提升，今天的人工神经网络已经发展成为拥有数十亿甚至上万亿参数的“深度神经网络”。
这些网络被广泛应用于各个领域，从语言翻译到图像识别，从推荐系统到科学研究。例如，它们能帮助物理学家在海量数据中寻找希格斯粒子，协助天文学家发现系外行星，甚至在预测蛋白质结构和设计新材料方面发挥重要作用。
机器学习的迅速发展不仅带来了巨大的机遇，也引发了广泛的讨论，特别是在伦理和安全方面。如何确保AI技术的公平性和透明度？如何防止它被滥用？
斯德哥尔摩瑞典皇家科学院周二在一份声明中表示，欣顿将与同事科学家约翰·霍普菲尔德 (John J. Hopfield) 分享 1100 万瑞典克朗（110 万美元）的奖金。
Geoffrey Hinton、图源｜网络，版权归作者所有
近年来，Hinton 警告称，人工智能可能会变得过于强大。
“我惊呆了，我没想到会发生这种事。我非常惊讶，”76 岁的欣顿在电话中告诉聚集在斯德哥尔摩的记者。
Hinton 在宣扬人工智能好处的同时，也警告了其风险。他去年辞去了谷歌人工智能研究团队的职务，以便可以自由地谈论过快发展人工智能的风险。
他还支加州州长加文·纽瑟姆最近否决的一项法案，该法案要求人工智能开发商对其技术造成的任何严重损害负责。
周二，当被问及对他的工作有何遗憾时，辛顿说：“在同样的情况下，我还会做同样的事情，但我担心，这样做的总体后果可能是最终让比我们更智能的系统掌控一切。”
他说，模仿大脑处理数据能力的神经网络将“在医疗保健等领域的许多方面带来巨大的潜力”，但他警告称，“神经网络也有可能带来许多不良后果，尤其是失去控制的威胁”。
