新華社斯德哥爾摩10月8日電 包養科普｜2024年諾貝爾物理學獎跟圖靈獎“搶飯碗”？——機器學習獲諾獎凸顯跨學科研討的驚人氣力
新華社記者郭爽
8日宣布的2024年諾貝爾物理學獎“不測”垂青機器學習，讓多個諾獎預測集體“翻車”，就連獲獎者之一的杰弗里·欣頓也坦言本身“完整沒想到”。看似不屬于傳統物理學任何一個分支領域的結果斬獲諾獎，讓不少學者開打趣說諾貝爾物理學獎在跟計算機界的圖靈獎“搶飯碗”。
事實上，機器學習領域的元老級人物約翰·霍普菲爾德和杰弗里·欣頓斬獲諾獎，如諾獎官方通知佈告所說恰是因為“運用物理學的東西”。本年的諾貝爾物理學獎不僅是對兩包養名科學家成績的確定，更是極年夜強調了跨學科研討的主要性，向人們展現了物理學的深入洞見與計算機科學創新“碰撞”可以產生的宏大能量。
當後人們談論人工智能時，經常指的是應用人工神經網絡的機器學習。諾貝爾物理學委員會秘書烏爾夫·丹尼爾松對記者強調，人工神經網絡在物理學中的研討和應用已經持續了相當長一段時間，本次諾貝爾物理學獎并非頒發給過往幾年人工智能的發展，不是針對年夜語言模子或類似的東西，而是針對基礎發明。
遠在人工智能成為明天的科技熱詞之前，這兩名科學家從20世紀80年月起就在人工神經網絡領域做出了主要任務。這項技術最後的靈感來自豪腦的結構。就像年夜腦中大批神經元通過突觸相連一樣，人工神經網絡由大批的“節點”通過“連接”組成。每個節點就像一個神經元，而連接的強弱則類似于突觸的強度，決定了信息傳遞的後果。
1982年，american科學家約翰·霍普菲爾德創建了一種用于機器的聯想記憶方式，提出了一種反動性的網絡結構，被稱為“霍普菲爾德網絡”。這個網絡能夠存儲多個形式（好比圖像），并且在面對不完全或有噪聲的輸進時，能夠重構出最類似的形式。
英國裔加拿年夜科學家杰弗里·欣頓在此基礎上更進一個步驟，他盼望機器能像人類一樣自立學習和分類信息，于1985年和同事提出了“玻爾茲曼機”的網絡模子，這個名字源于19世紀物理學家路德維希·玻爾茲曼的方程。該模子通過統計物理學中的玻爾茲曼分布來識別數據中的特包養征，成為了現代深度學習網絡的基礎。欣頓的研討繼續推進，導致了當前機器學習領域爆炸式的發展。
愛爾蘭都柏林圣三一學院認知神經科學傳授羅德里·丘薩克8日評論指出，人工神經網絡最後遭到神經科學的啟發，并且兩者之間的彼此感化持續蓬勃發展。人工神經網絡已被證明是年夜腦學習過程的寶貴模子，機器正在幫助我們清楚本身，這反過來又為技術發展供給了新的途徑。假如沒有霍普菲爾德和欣頓的開創性任務，這一切都不成能實現。
霍普菲爾德和欣頓的任務不僅推動了機器學習的發展，還對物理學產生了深遠影響。正如丹尼爾松當天在接收新華社記者采訪時所說，物理學的道理為兩名科學家供給了思緒，同時，人工神經網絡在物理學中也獲得了廣泛應用，催生新的驚人發現。
諾貝爾物理學委員會主席埃倫·穆恩斯在當天的新聞發布會上表現，兩名獲獎者應用統計物理的基礎概念設計了人工神經網絡，構建了機器學習的基礎。相關技術已被用于推動多個領域的研討，包含粒子物理、資料科學和天體物理等，也已用于日常生涯中的人臉識別和語言翻譯包養等。
機器學習的敏捷發展不僅帶來了宏大的機遇，也引發人們對于倫理和平安方面的擔憂。穆恩斯當天在發布會上強調說，人類有責任以平安且品德的方法應用這項新技術，以確保它能為全人類帶來最年夜的好處。
欣頓當天在接收電話連線采訪時表現，這一技術將對社會產生宏大影響，但也必須警戒這一技術能夠形成的威脅。丹尼爾松也指出，機器學習與基因編輯等眾多前沿技術的發展是“雙刃包養劍”，人們必須警戒出現壞的結果。在這方面，尤其需求全球一起配合。
發佈留言