东说念主工智能获诺贝尔物理学奖？这合理吗？

2024 年 10 月 8 日，瑞典皇家科学院晓示，将 2024 年诺贝尔物理学奖授予好意思国普林斯顿大学教悔 约翰·J·霍普菲尔德（John J. Hopfield ）和加拿大多伦多大学教悔杰弗里·E·辛顿（ Geoffrey E. Hinton），以赏赐他们“在东说念主工神经集聚机器学习方面的基础性发现和发明”。

这两位科学家的责任为现在雄壮的机器学习技艺奠定了基础。Hopfield 创造了一种大致存储和重建信息的结构，而 Hinton 发明了一种不错寂寥发现数据中规则的标准，这种标准对现在使用的大型东说念主工智能系统至关蹙迫。

两位获奖东说念主肖像（图片起首：诺贝尔奖委员会官网）

机器学习：

计较机的自主学习之旅

Hopfield 和 Hinton 的始创性责任为一个更世俗的界限“机器学习”奠定了基础。

机器学习是东说念主工智能的中枢，它的主义是让计较机大致从数据中学习并完成任务，而不需要完成任何指示齐需要率先进行复杂而脆弱的编程，这种标准与传统上基于编程的计较机责任模式有着内容的分辩。

传统的计较机尺度就像一个精准的食谱：尺度员需要详备列出每一个要领，计较机才能完成任务。而机器学习更像是教一个孩子烹调：你给他们看很多例子，让他们我方追忆规则。这种标准使得计较机大致处理那些难以用固定例则形容的复杂任务，如图像识别或语音相连。

在机器学习的历程中，计较机率先接收多半的数据算作学习材料。举例，如若咱们要磨真金不怕火一个识别猫的系统，咱们需要网罗多半猫和非猫的图片。然后，咱们采纳一个合适的学习模子，比如后文中会先容的 Hopfield 的祈望挂牵集聚或 Hinton 的玻尔兹曼机。

接下来，模子会反复稽查这些数据，束缚出动我方的参数，直到它大致准确地完成任务。这一历程就像学生通过反复进修来擢升我方的才智。

机器学习的雄壮之处在于，一朝磨真金不怕火完成，它就能处理各式各样的新情况。举例，一个经过磨真金不怕火的图像识别系统不仅能识别磨真金不怕火数据中的猫，还能识别它从未见过的猫的图片。这种泛化才智使得机器学习在处理复杂、多变的实际天下问题时尽头有用。

Hopfield 和 Hinton 的责任为策画更灵验的学习算法和模子结构提供了表面基础，极地面推进了机器学习的发展。他们的孝顺使得今天的东说念主工智能系统大致实施从言语翻译到医学会诊等各式复杂任务，让雄壮而种种的东说念主工智能技艺在从科学探讨到平素活命的方方面面中进展作用。

从大脑到计较机：

东说念主工神经集聚的降生

刚才咱们西宾了机器学习的模糊念念想，但是要相连这项发现的蹙迫性，咱们还需要再了解以下东说念主工神经集聚的基本见地。

联想一下，咱们的大脑是由数十亿个神经细胞（又称神经元）构成的复杂集聚。这些神经元通过被称为突触的纠合相互通讯。当咱们学习新常识时，某些神经元之间的纠合会变强，而其他纠合可能变弱。

科学家们受到这种结构的启发，创造了东说念主工神经集聚。

在这种集聚中，计较机尺度效法了大脑的结构。它由很多相互纠合的“节点”（效法神经元）构成，这些节点之间的纠合强度不错出动（效法突触）。这种结构允许计较机通过例子来学习，而不是按照预设的指示发轫。

神经集聚艺术插画（图片起首：诺贝尔奖委员会官网）

两位科学家的重要孝顺

John Hopfield 在 1982 年提议了一种新式的东说念主工神经集聚，现在被称为“Hopfield 集聚”。该集聚的尽头之处在于它大致存储和重建信息模式，雷同于东说念主类的祈望挂牵。

联想你在试图回忆一个不常用的单词，你可能会先预料一些一样的词，再最终找到正确的阿谁。Hopfield 集聚的责任花样与此雷同，当给以集聚一个不圆善或幽微曲解的信息时，它大致找到最一样的存储信息。这种才智使得 Hopfield 集聚不错用于拓荒损坏的数据，比如去除图片中的噪点。

Geoffrey Hinton 则在 1985 年提议了一种称为“玻尔兹曼机”的新式集聚。这个集聚的专有之处在于它大致自主学习数据中的特征，而无需东说念主为指定这些特征。这小数雷同于婴儿学习识别猫和狗的历程——他们不需要详备的讲明，只需要看到弥漫多的例子就能我方追忆出分辩。

玻尔兹曼机的这种才智使得机器大致处理更复杂的任务。举例，它不错学习识别手写数字，即使每个东说念主的书写稿风齐千东说念主千面。更蹙迫的是，Hinton 的责任为其后深度学习技艺的发展奠定了基础。深度学习是现在很多东说念主工智能依据的中枢技艺。

从表面到实践：

东说念主工智能的现在和改日

Hopfield 和 Hinton 的责任为其后的机器学习立异奠定了基础。今天，基于他们表面所发展的技艺还是在咱们的平素活命中无处不在。当你使用手机进行东说念主脸解锁、向凭空助手发问或者使用在线翻译器具时，齐在蜿蜒使用这些技艺。

在科学探讨中，这些技艺也进展着越来越蹙迫的作用。举例，它们被用于分析天文数据以发现新的行星，考虑卵白质的结构以匡助开发新药，甚而匡助物理学家处理大型强子对撞机产生的海量数据。

但是，跟着东说念主工智能技艺的快速发展，咱们也濒临着新的挑战。举例，怎样确保这些技艺被负累赘地使用，怎样保护个东说念主狡饰，以及怎样豪爽可能的服务变化等。这些问题需要科学家、计谋制定者和所有社会共同念念考和贬责。

2024 年诺贝尔物理学奖揭晓以后，一些东说念主以为这一获奖后果“不够物理”。其实，换个角度想，这不仅是对 Hopfield 和 Hinton 个东说念主配置竟然定，更是对物理学在推进东说念主工智能发展中所起作用的招供。跟着东说念主工智能技艺继续发展，咱们不错期待它在科学探讨、工程愚弄和平素活命中带来更多打破，同期也要束缚请示我方，愈加严慎、合理地愚弄它去塑造改日。

计议制作

起首丨李瑞

作家丨中国科普博览

责编丨钟艳平

审校丨徐来 林林