什么值得买App下载 App ›
连续签到专享现金活动

诺贝尔物理学奖首次花落AI:Hopfield网络和玻尔兹曼机如何奠基现代人工智能

瑞典皇家科学院2024年10月8日公布,2024年诺贝尔物理学奖由约翰·霍普菲尔德与杰弗里·欣顿共同获得,表彰二人为人工神经网络实现机器学习做出的基础性发现与发明。诺奖委员会强调,这是诺贝尔物理学奖历史上首次授予支撑现代AI的相关研究。霍普菲尔德与欣顿将物理学的能量、自旋、概率模型引入神经网络,构建出当今强大机器学习的基础方法论。1
两位获奖者及其理论贡献
约翰·霍普菲尔德是美国普林斯顿大学教授,他提出的Hopfield网络是一种全连接递归神经网络。这一网络将记忆存成"能量地形"里的山谷:输入一个残缺或含噪的线索,网络就像小球滚下山一样,自动滑到最近的山谷,从而恢复出完整记忆。该网络是联想记忆、玻尔兹曼机、现代Hopfield网络乃至Transformer注意力理论的重要源头。杰弗里·欣顿是英裔加拿大科学家、多伦多大学教授,被称为"AI教父",他发明的玻尔兹曼机实现了神经网络自主挖掘数据特征,是深度学习的核心奠基理论,为现代大模型、生成式AI奠定了底层基础。2
诺奖委员会进一步阐明,两人使用统计物理学的工具和思想构建神经网络,并非单纯的计算机算法。霍普菲尔德本身就是物理学家,他们将物理里能量、自旋、概率模型引入神经网络,因此归入物理学奖。诺奖委员会明确指出,此次并非把奖项颁给AI程序本身,而是颁给AI背后基于物理思想的基础理论发明。2024年,诺贝尔物理学奖和化学奖都与AI有关,诺奖与AI的边界正在被反复试探。1
诺奖委员会在颁奖词中写道:"表彰他们使用物理学的工具开发了构成当今强大机器学习基础的方法。" Hopfield创造了联想记忆,欣顿在此基础上发明了玻尔兹曼机。从反向传播算法到Transformer架构,现代AI技术的演进脉络清晰可溯:神经网络通过迭代调整权重来优化性能的过程,离不开反向传播机制;而Transformer的注意力机制则在Hopfield网络"能量最低"的联想记忆原理上实现了突破性进化。3

评论

评论区空态插画

当前文章无评论,是时候发表评论了