中国青年报客户端北京10月8日电（中青报中青网记者 张渺 实习生 梅藐）在诺贝尔物理学奖的交响乐章中，人工智能领域的成就奏响了新篇章。北京时间10月8日，2024年诺贝尔物理学奖揭晓。美国科学家约翰霍普菲尔德与英国科学家杰弗里辛顿因“在人工神经网络机器学习方面的基础性发现和发明”获此殊荣。
诺贝尔奖官网供图
人工神经网络机器学习这项技术，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数值的节点表示。这些节点通过类似于突触的连接相互影响，并且可以变得更强或更弱。例如，通过在同时具有高数值的节点之间建立更强的连接，以此来训练网络。
今年的诺贝尔物理学奖两位获奖者，使用物理学工具，为人工智能的发展奠定了理论基矗他们让人工智能学会“智能”，能够模拟人类的记忆和学习过程。
“我没想到。”得知获奖这件事后，杰弗里辛顿在接受媒体采访时说。
最近两年来，人们经常谈论人工智能的发展，谈论那些越来越聪明的AI。这背后是研究者几十年的探索的结果，从20世纪80年代起，辛顿和霍普菲尔德就已经各自开始在相关领域深耕。
作为“神经网络之父”和“深度学习之父”，辛顿于1947年出生于英国伦敦，1978年获英国爱丁堡大学博士学位，如今是加拿大多伦多大学教授。他是使用神经网络进行机器学习的先驱，教会了人工智能如何自动查找数据中的属性，从而执行识别图片中特定元素等任务。他还在2018年，获得了图灵奖这一计算机领域的最高荣誉。
而美国普林斯顿大学教授约翰霍普菲尔德，则是创建了一种名为“霍普菲尔德网络”的联想存储器，可以存储和重建图像以及数据中的其他类型模式。
在构建这种人工神经网络的过程中，霍普菲尔德用上了物理学。他曾获得2022年的玻尔兹曼奖，获奖理由是“扩展了统计物理学的边界，使其涵盖生命现象，从分子水平信息传输的动力学校对到神经网络的动力学，他创建了一种用于思考大脑计算的新语言”。
以“霍普菲尔德网络”为基础，辛顿使用统计物理学的方法，构建了玻尔兹曼机。
统计物理学是研究由众多相似组件构成的系统的一门科学，通过向机器提供那些在运行时极可能出现的情况作为示例，科学家可以对机器进行训练。在这一领域，玻尔兹曼机展现了其独特的价值，它不仅能够有效地对图像进行分类，还能创造出与其所训练模式类型相似的新示例。这一成果让机器学习领域出现了“爆炸性发展”。
辛顿和霍普菲尔德的这些研究，都是在20世纪80年代就已经做出来了。几十年过去，他们的研究不断获得认可。正如诺贝尔物理学委员会主席艾伦穆恩斯所评价的那样，他们的工作“已经带来了最大的效益”。
来源：中国青年报客户端
