诺贝尔物理学奖颁给了人工神经网络和机器学习

　　2024年诺贝尔物理学奖被联合授予约翰·霍普菲尔德和杰弗里·辛顿，以表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。

　　约翰·霍普菲尔德(左)和杰弗里·辛顿的工作导致了人工神经网络的出现，为蛋白质结构预测程序AlphaFold等人工智能提供了动力

　　诺贝尔委员会主席Ellen Moons说，来自美国普林斯顿大学的Hopfield和来自加拿大多伦多大学的Hinton因“使用物理学的基本概念和方法”开发出“对人类最大利益”的技术而受到诺贝尔委员会的赞扬。

　　自20世纪80年代诞生以来，人工神经网络(ann)已经发展成为现代技术的基石，为从智能手机应用到尖端科学研究的一切提供了动力。受大脑神经元的启发，人工神经网络通过人工“神经元”或由“突触”连接的节点网络运行，这些网络可以被训练来完成特定的任务，而不是简单地遵循预设的指令。

　　20世纪70年代，生物物理学的先驱霍普菲尔德正在研究生物分子之间的电子转移。他想开发计算工具来探测更复杂的生物系统，这使他考虑到简单神经网络的动力学，这将能够识别由孤立组件相互作用产生的特征和现象。1982年，Hopfield发表了一篇关于一个简单的神经网络的研究，该网络具有联想记忆，可以存储和重建数据中的模式。

　　Hinton专门研究实验心理学和人工智能，他在这项工作的基础上运用了统计物理学的概念，统计物理学是一门由许多类似实体构建的系统科学。这导致了一种新的网络的发明，它通过分析大型数据集来学习实例，这使得它能够识别数据中的模式。这种“训练”过程有助于网络预测极有可能发生的事件，例如自主识别图像中的特定元素，从而推进目前正在使用的大型深度学习人工神经网络的发展。

　　被称为“人工智能教父”的辛顿在诺贝尔奖新闻发布会上的电话中表示，他对获得诺贝尔奖感到“目瞪口呆”。当被观众问及他的研究帮助开创的这项技术的意义时，他说，它将与工业革命相提并论。但它不是在体力上超越人类，而是在智力上超越人类。我们没有经历过比我们聪明的东西是什么感觉。”

　　今天，人工智能是一股变革性的力量，从材料科学领域的复杂数据分析和应用，到面部识别和医疗诊断。其中最复杂的应用是AlphaFold，这是一个预测蛋白质结构的工具，体现了现代深度学习人工神经网络的能力。然而，尽管人工神经网络具有革命性的潜力，“我们也不得不担心一些可能的不良后果，特别是这些事情失控的威胁，”Hinton警告说。