![]()
北京时间10月8日下午5点45分许ღ◈★,2024年诺贝尔物理学奖给了美国和加拿大科学家John J. Hopfieldღ◈★、Geoffrey E. Hintonღ◈★,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”ღ◈★。
诺贝尔物理学奖给了非物理学领域专家ღ◈★,人工神经网络实现机器学习和AI高度相关ღ◈★,本来是计算机行业奖项覆盖的范围ღ◈★。
Hinton的成就实在太过夺目ღ◈★,国内有AI公司就是在他的理论上成立ღ◈★。CHATGPT名声大噪ღ◈★,业内人士称其实至名归ღ◈★。
浙江大学计算机科学与技术学院副教授金小刚认为ღ◈★,两人获奖是因为他们的人工神经网络和深度学习对于计算机科学的贡献3499拉斯维加斯ღ◈★,“他们是连接主义的奠基者”ღ◈★。
在人工神经网络中ღ◈★,大脑的神经元通过具有不同值的节点表示ღ◈★。这些节点通过可以类比为突触的连接相互影响ღ◈★,而这些连接可以变强或变弱ღ◈★。这种网络可以通过训练来优化ღ◈★,例如可加强同时具有较高值的节点之间的连接ღ◈★。
John Hopfield创建了一种联想记忆ღ◈★,可以存储和重构图像ღ◈★,或其他类型的数据模式ღ◈★。Geoffrey Hinton发明了一种可以自动发现数据中属性并执行任务的方法ღ◈★,例如识别图片中的特定元素ღ◈★。
诺贝尔官方认为ღ◈★,两位诺贝尔物理学奖得主使用了物理学的工具ღ◈★,为当今强大的机器学习方法奠定了基础ღ◈★。
计算机无法思考日本卡一卡二卡三爱区ღ◈★,但机器如今能够模仿诸如记忆和学习等功能ღ◈★。今年的诺贝尔物理学奖得主正是帮助实现这一点的人ღ◈★。他们利用物理学中的基本概念和方法ღ◈★,开发了能够使用网络结构处理信息的技术ღ◈★。
一位业内人士表示ღ◈★,Geoffrey Hinton早前就很有名ღ◈★,现在人工智能发展得益于他的研究ღ◈★,他是当之无愧的AI之父ღ◈★,现在的AI基本上都是基于深度学习ღ◈★。
他表示ღ◈★,当初之所以敢重金投入一家创业公司ღ◈★,就是花了一个多月时间去了解Geoffrey Hinton的理论ღ◈★,对他的理论有了一点了解ღ◈★,发现这家公司都是在这个理论框架下研发ღ◈★,这家公司后来也果然领先同类公司ღ◈★。
Geoffrey Hinton1947年出生于英国伦敦ღ◈★。1978年获得英国爱丁堡大学博士学位ღ◈★,现为加拿大多伦多大学教授3499拉斯维加斯ღ◈★。
他从未正式上过计算机课程ღ◈★,本科在剑桥大学读的是生理学和物理学日本卡一卡二卡三爱区ღ◈★,期间曾转向哲学ღ◈★,最终拿到的却是心理学方向的学士学位ღ◈★。
他曾因为一度厌学去做木匠ღ◈★,但遇挫后还是回到爱丁堡大学ღ◈★,并拿到人工智能方向的博士学位ღ◈★;数学不好让他在做研究时倍感绝望ღ◈★,当了教授之后ღ◈★,对于不懂的神经科学和计算科学知识ღ◈★,他也总要请教自己手下的研究生ღ◈★。
2012年他与学生Alex Krizhevskyღ◈★、Ilya Sutskever提出的AlexNet震动业界ღ◈★,就此重塑了计算机视觉领域ღ◈★,启动了新一轮深度学习的黄金时代ღ◈★。当时他们三人在ImageNet图像识别比赛上拿了冠军ღ◈★。
拍卖并不完全是价高者得ღ◈★,起拍价为50万美元ღ◈★,然后有人出价100万美元ღ◈★,当竞价达到一定程度时(当时我们认为是天文数字了)ღ◈★,该团队更倾向于在Google工作ღ◈★,于是叫停了拍卖ღ◈★。据了解ღ◈★,当时参与拍卖的也有国内某搜索公司ღ◈★。当时这些国内外大公司就已经看到了该团队的价值日本卡一卡二卡三爱区ღ◈★。
Geoffrey Hinton表示ღ◈★,来Google工作是一个正确的选择ღ◈★,相比其他公司ღ◈★,人们都更喜欢在Google工作ღ◈★,我也一样ღ◈★。我喜欢这家公司的主要原因是Google Brain团队很棒ღ◈★。我更专注于研究如何构建大型学习系统和研究大脑的工作机制ღ◈★,Google Brain不仅有研究大型系统所需要的丰富资源ღ◈★,还能跟众多优秀人才交流学习ღ◈★。
2014年9月ღ◈★,汤晓鸥团队参加了“人工智能奥林匹克”ImageNet大赛ღ◈★,与包括百度ღ◈★、谷歌ღ◈★、微软在内的37个世界顶级团队竞争ღ◈★,取得了全球第二的成绩ღ◈★。这也让汤晓鸥团队声名鹊起ღ◈★,IDG资本合伙人牛奎光飞到香港ღ◈★,拜访汤教授ღ◈★。在港中大多媒体实验室里ღ◈★,他听到了徐立的“猫脑”ღ◈★、“猴脑”理论ღ◈★,并让他在不久后后掷出数千万美元ღ◈★,助推研究团队走出实验室ღ◈★。
Geoffrey Hinton近年更为出名ღ◈★,是因为他的学生Ilyaღ◈★,在他的研究基础上,用ChatGPT证明了Hinton的技术路线年代ღ◈★。
今年的两位诺贝尔物理学奖得主使用了物理学的工具日本卡一卡二卡三爱区3499拉斯维加斯ღ◈★,为当今强大的机器学习方法奠定了基础ღ◈★。John Hopfield创建了一种联想记忆ღ◈★,可以存储和重构图像ღ◈★,或其他类型的数据模式ღ◈★。Geoffrey Hinton发明了一种可以自动发现数据中属性并执行任务的方法ღ◈★,例如识别图片中的特定元素ღ◈★。
谈到人工智能3499拉斯维加斯ღ◈★,人们通常指的是使用人工神经网络来训练的机器学习技术ღ◈★。这项技术最初受大脑结构启发ღ◈★。在人工神经网络中ღ◈★,大脑的神经元通过具有不同值的节点表示ღ◈★。这些节点通过可以类比为突触的连接相互影响ღ◈★,而这些连接可以变强或变弱ღ◈★。这种网络可以通过训练来优化3499拉斯维加斯ღ◈★,例如可加强同时具有较高值的节点之间的连接ღ◈★。今年的诺贝尔物理奖得主们自20世纪80年代起就在人工神经网络领域做出了重要的工作ღ◈★。
John Hopfield发明了一种网络来保存和重现数据模式ღ◈★。我们可以将节点想象为像素ღ◈★。Hopfield网络利用了描述物质特性的原子自旋——该性质使得每个原子都可看作一个小磁铁ღ◈★。网络的整体结构则可等价地用物理学中自旋系统的能量来描述ღ◈★,并通过寻找节点之间的连接值来训练ღ◈★,使得保存的图像具有较低的能量3499拉斯维加斯ღ◈★。当Hopfield网络接收到一个失真或不完整的图像时ღ◈★,它逐步处理节点并更新其值ღ◈★,以降低网络的能量ღ◈★。通过这种方式ღ◈★,网络就可一步步找到与输入的失真图像最为相似的图像ღ◈★。
Geoffrey Hinton以Hopfield网络为基础ღ◈★,开发了一种基于新方法的网络ღ◈★:玻尔兹曼机(Boltzmann Machine)ღ◈★。该网络可以学习识别某一类数据中具有特征的元素日本卡一卡二卡三爱区ღ◈★。Hinton使用了统计物理学的工具ღ◈★,这是研究由许多相似组分组成的系统的科学ღ◈★。玻尔兹曼机通过输入在机器运行时非常可能出现的示例进行训练ღ◈★。它可以用于对图像进行分类或创建与其训练模式相似的新示例ღ◈★。Hinton在此基础上继续研究ღ◈★,推动了当前机器学习爆炸式的发展ღ◈★。“诺贝尔奖得主的工作已经产生了巨大的益处ღ◈★。当今物理学许多领域正在使用人工神经网络ღ◈★,例如开发具有特定特性的材料3499拉斯维加斯ღ◈★,”诺贝尔物理学委员会主席Ellen Moons说道ღ◈★。学生管理拉斯维加斯ღ◈★。3499拉斯维加斯ღ◈★,拉斯维加斯首页ღ◈★,