2024年10月8日，瑞典皇家科学院公布，将2024年诺贝尔物理学奖授予美国普林斯顿年夜学传授John J. Hopfield及加拿年夜多伦多年夜学传授Geoffrey E. Hinton，以表扬他们“于人工神经收集呆板进修方面的基础性发明及发现”。

这两位科学家的事情为现今强盛的呆板进修技能奠基了基础。Hopfield创造了一种可以或许存储及重修信息的布局，而Hinton发现了一种可以自力发明数据中纪律的要领，这类要领对于此刻利用的年夜型人工智能体系至关主要。

两位获奖人肖像（图片来历：诺贝尔奖委员会官网）

呆板进修：计较机的自立进修之旅

Hopfield及Hinton的创始性事情为一个更广泛的范畴“呆板进修”奠基了基础。

呆板进修是人工智能的焦点，它的方针是让计较性能够从数据中进修并完成使命，而不需要完成任何指令都需要起首举行繁杂而懦弱的编程。这类要领与传统上基在编程的计较机事情模式有着素质的区分。

传统的计较机步伐就像一个切确的食谱：步伐员需要具体列出每个步调，计较机才能完成使命。而呆板进修更像是教一个孩子烹调：你给他们看很多例子，让他们本身总结纪律。这类要领使患上计较性能够处置惩罚那些难以用固定例则描写的繁杂使命，如图象辨认或者语音理解。

于呆板进修的历程中，计较机起首吸收年夜量的数据作为进修质料。例如，假如咱们要练习一个辨认猫的体系，咱们需要网络年夜量猫及非猫的图片。然后，咱们选择一个合适的进修模子，好比后文中会先容的Hopfield的遐想影象收集或者Hinton的玻尔兹曼机。

接下来，模子会重复查看这些数据，不停调解本身的参数，直到它可以或许正确地完成使命。这一历程就像学生经由过程重复训练来提高本身的能力。

呆板进修的强盛的地方于在，一旦练习完成，它就能处置惩罚各类各样的新环境。例如，一个颠末练习的图象辨认体系不仅能辨认练习数据中的猫，还有能辨认它从未见过的猫的图片。这类泛化能力使患上呆板进修于处置惩罚繁杂、多变的实际世界问题时尤其有效。

Hopfield及Hinton的事情为设计更有用的进修算法及模子布局提供了理论基础，极年夜地鞭策了呆板进修的成长。他们的孝敬使患上今天的人工智能体系可以或许履行从语言翻译到医学诊断等各类繁杂使命，让强盛而多样的人工智能技能于从科学研究到一样平常糊口的各个方面中阐扬作用，。

从年夜脑到计较机：人工神经收集的降生

适才咱们解说了呆板进修的笼统思惟，然而要理解这项发明的主要性，咱们还有需要再相识如下人工神经收集的基本观点。

想象一下，咱们的年夜脑是由数十亿个神经细胞（又称神三木SEO-经元）构成的繁杂收集。这些神经元经由过程被称为突触的毗连彼此通讯。当咱们进修新常识时，某些神经元之间的毗连会变强，而其他毗连可能变弱。

科学家们遭到这类布局的开导，创造了人工神经收集。

于这类收集中，计较机步伐模拟了年夜脑的布局。它由很多彼此毗连的“节点”（模拟神经元）构成，这些节点之间的毗连强度可以调解（模拟突触）。这类布局答应计较机经由过程例子来进修，而不是根据预设的指令运行。

神经收集艺术插画（图片来历：诺贝尔奖委员会官网）

两位科学家的要害孝敬

John Hopfield于1982年提出了一种新型的人工神经收集，此刻被称为“Hopfield收集”。该收集的尤其的地方于在它可以或许存储及重修信息模式，近似在人类的遐想影象。

想象你于试图回忆一个不经常使用的单词，你可能会先想到一些相似的词，再终极找到准确的阿谁。Hopfield收集的事情方式与此近似。当赐与收集一个不完备或者稍微扭曲的信息时，它可以或许找到最相似的存储信息。这类能力使患上Hopfield收集可以用在修复毁坏的数据，好比去除了图片中的噪点。

Geoffrey Hinton则于1985年提出了一种称为“玻尔兹曼机”的新型收集。这个收集的怪异的地方于在它可以或许自立进修数据中的特性，而无需报酬指定这些特性。这一点近似在婴儿进修辨认猫及狗的历程——他们不需要具体的注释，只需要看到充足多的例子就能本身总结出区分。

玻尔兹曼机的这类能力使患上呆板可以或许处置惩罚更繁杂的使命。例如，它可以进修辨认手写数字，纵然每一个人的书写气势派头都千人千面。更主要的是，Hinton的事情为厥后深度进修技能的成长奠基了基础。深度进修是现今很多人工智能依据的焦点技能。

从理论到实践：人工智能的此刻及将来

Hopfield及Hinton的事情为厥后的呆板进修革命奠基了基础。今天，基在他们理论所成长的技能已经经于咱们的一样平常糊口中无处不于。当你利用手机举行人脸解锁、向虚拟助手发问、或者者利用于线翻译东西时，都于间接利用这些技能。

于科学研究中，这些技能也阐扬着愈来愈主要的作用。例如，它们被用在阐发天文数据以发明新的行星，猜测卵白质的布局以帮忙开发新药，甚至帮忙物理学家处置惩罚年夜型强子对于撞机孕育发生的海量数据。

然而，跟着人工智能技能的快速成长，咱们也面对着新的挑战。例如，怎样确保这些技能被卖力任地利用，怎样掩护小我私家隐私，以和怎样应答可能的就业变化等。这些问题需要科学家、政策制订者及整个社会配合思索及解决。

2024年诺贝尔物理学奖揭晓之后，很多人认为这一获奖结果“不敷物理”。实在，换个角度想，这不仅是对于Hopfield及Hinton小我私家成绩的必定，更是对于物理学于鞭策人工智能成长中所起作用的承认。跟着人工智能技能继承成长，咱们可以期待它于科学研究、工程运用及一样平常糊口中带来更多冲破，同时也要不停提示本身，越发审慎、合理地运用它去塑造将来。