10月8日，美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·辛顿，因在使用人工神经网络机器学习方面的基础性发现和发明而荣获2024年诺贝尔物理学奖。
得知诺奖授予人工智能领域的研究者，上海交通大学人工智能学院教授张娅既震惊又激动。“震惊的是诺贝尔物理学奖竟然颁给了计算机科学家，激动的是人工智能领域获得了更广泛的认可。”张娅说。
在人工智能领域作出奠基性贡献
人工神经网络是一种模拟人脑神经元工作方式的机器学习模型，旨在通过模仿大脑的工作方式来处理复杂的计算问题。如今人工神经网络被广泛应用于医学、工程等各个领域，而且有望用于设计下一代计算机。
“表面上看，2024年诺贝尔物理学奖授予了人工智能领域，但从更广泛的意义上讲，这个奖实际上授予了理论物理学。”中国科学院自动化研究所研究员、联合国人工智能高层顾问机构专家曾毅说，两位获奖者的研究背景都起源于物理学。
刚刚获奖的两位科学家，在人工神经网络研究方面做了很多奠基性工作。
“辛顿提出了反向传播算法，让人工神经网络的训练成为了一种可能；霍普菲尔德提出了霍普菲尔德网络，这个网络对早期人工神经网络发展具有重要意义，20世纪80年代，许多物理学家都曾利用霍普菲尔德网络实现了由物理学到神经科学的跨越。”张娅说。
“1986年，辛顿发表了反向传播算法的经典论文。虽然反向传播算法诞生于20世纪60年代，但这篇论文让人们真正认识到它的重要性，掀起了神经网络研究领域的‘文艺复兴运动’。”商汤智能产业研究院院长田丰说，今天，生成式人工智能大模型、多模态大模型的训练都离不开反向传播算法。
“从人工智能的视角观察，可以说他们两位最核心的科学贡献，是将起源于理论物理、生物物理两个学科的理论成功应用于构建人工智能科学理论。学科交叉研究为人工智能开辟了新天地。”曾毅说。
曾毅认为，霍普菲尔德对记忆与关联学习的智能理论计算模型贡献很大，该模型在结构上是一个典型的循环神经网络，其结构类似于人脑中的海马体脑区；而辛顿对深度神经网络及其训练方法的贡献，主要在层次化与抽象化学习的智能理论计算模型方面，该模型在结构上是一个典型的层次化神经网络，相似的结构可以在人类大脑皮层连接模式中找到。
坚守曾经走不通的冷门专业
被誉为“AI教父”的辛顿，是现代俗称的人工智能三巨头之一，目前国际上活跃的很多人工智能专家都是他的学生或同事，比如，openAI曾经的首席科学家伊利亚·苏茨克韦尔就是他的博士生。
“辛顿在1978年获得人工智能博士学位后，正赶上人工智能低谷期。那个时候人工智能领域的主流理论是符号主义和专家系统，神经网络这条路一度走不通。然而，辛顿并没有放弃，一直坚持在神经网络领域做探索。”田丰说，直到2000年左右GPU兴起，辛顿才取得一些重大突破。此后，他带领学生一路披荆斩棘，在人工智能领域获得多个里程碑式成果。
“可以说，辛顿在青年时期很苦，那时候神经网络这个研究方向看不到希望，因为那时候既没有海量的互联网数据，也没有强大的GPU算力，只有算法，神经网络这条路显然是走不通的。同时人工智能也是一个冷门专业，学这个专业的人也不好找工作。”田丰告诉科技日报记者，而人工智能的快速发展，却得益于辛顿在学术上的坚守。
现在，辛顿高度关注人工智能的安全风险。“针对人工智能可能产生滥用恶用、人工智能对人类可能造成的生存风险，辛顿不仅进行了理论研究，还积极面向公众开展演讲，以提升公众对人工智能风险的认知。”曾毅说。
在曾毅看来，与诸多获得诺贝尔奖的科学成果一样，霍普菲尔德和辛顿的科学贡献都经受住了时间和实践的检验。
“受理论物理与生物物理启发的人工神经网络理论与模型，不仅是现代人工智能最重要的理论基础之一，近两年在诸多科学领域也取得了显著和广泛的应用效果，正在改变甚至是颠覆诸多学科的研究范式。”曾毅说。
10月8日，美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·辛顿，因在使用人工神经网络机器学习方面的基础性发现和发明而荣获2024年诺贝尔物理学奖。
得知诺奖授予人工智能领域的研究者，上海交通大学人工智能学院教授张娅既震惊又激动。“震惊的是诺贝尔物理学奖竟然颁给了计算机科学家，激动的是人工智能领域获得了更广泛的认可。”张娅说。
在人工智能领域作出奠基性贡献
人工神经网络是一种模拟人脑神经元工作方式的机器学习模型，旨在通过模仿大脑的工作方式来处理复杂的计算问题。如今人工神经网络被广泛应用于医学、工程等各个领域，而且有望用于设计下一代计算机。
“表面上看，2024年诺贝尔物理学奖授予了人工智能领域，但从更广泛的意义上讲，这个奖实际上授予了理论物理学。”中国科学院自动化研究所研究员、联合国人工智能高层顾问机构专家曾毅说，两位获奖者的研究背景都起源于物理学。
刚刚获奖的两位科学家，在人工神经网络研究方面做了很多奠基性工作。
“辛顿提出了反向传播算法，让人工神经网络的训练成为了一种可能；霍普菲尔德提出了霍普菲尔德网络，这个网络对早期人工神经网络发展具有重要意义，20世纪80年代，许多物理学家都曾利用霍普菲尔德网络实现了由物理学到神经科学的跨越。”张娅说。
“1986年，辛顿发表了反向传播算法的经典论文。虽然反向传播算法诞生于20世纪60年代，但这篇论文让人们真正认识到它的重要性，掀起了神经网络研究领域的‘文艺复兴运动’。”商汤智能产业研究院院长田丰说，今天，生成式人工智能大模型、多模态大模型的训练都离不开反向传播算法。
“从人工智能的视角观察，可以说他们两位最核心的科学贡献，是将起源于理论物理、生物物理两个学科的理论成功应用于构建人工智能科学理论。学科交叉研究为人工智能开辟了新天地。”曾毅说。
曾毅认为，霍普菲尔德对记忆与关联学习的智能理论计算模型贡献很大，该模型在结构上是一个典型的循环神经网络，其结构类似于人脑中的海马体脑区；而辛顿对深度神经网络及其训练方法的贡献，主要在层次化与抽象化学习的智能理论计算模型方面，该模型在结构上是一个典型的层次化神经网络，相似的结构可以在人类大脑皮层连接模式中找到。
坚守曾经走不通的冷门专业
被誉为“AI教父”的辛顿，是现代俗称的人工智能三巨头之一，目前国际上活跃的很多人工智能专家都是他的学生或同事，比如，openAI曾经的首席科学家伊利亚·苏茨克韦尔就是他的博士生。
“辛顿在1978年获得人工智能博士学位后，正赶上人工智能低谷期。那个时候人工智能领域的主流理论是符号主义和专家系统，神经网络这条路一度走不通。然而，辛顿并没有放弃，一直坚持在神经网络领域做探索。”田丰说，直到2000年左右GPU兴起，辛顿才取得一些重大突破。此后，他带领学生一路披荆斩棘，在人工智能领域获得多个里程碑式成果。
“可以说，辛顿在青年时期很苦，那时候神经网络这个研究方向看不到希望，因为那时候既没有海量的互联网数据，也没有强大的GPU算力，只有算法，神经网络这条路显然是走不通的。同时人工智能也是一个冷门专业，学这个专业的人也不好找工作。”田丰告诉科技日报记者，而人工智能的快速发展，却得益于辛顿在学术上的坚守。
现在，辛顿高度关注人工智能的安全风险。“针对人工智能可能产生滥用恶用、人工智能对人类可能造成的生存风险，辛顿不仅进行了理论研究，还积极面向公众开展演讲，以提升公众对人工智能风险的认知。”曾毅说。
在曾毅看来，与诸多获得诺贝尔奖的科学成果一样，霍普菲尔德和辛顿的科学贡献都经受住了时间和实践的检验。
“受理论物理与生物物理启发的人工神经网络理论与模型，不仅是现代人工智能最重要的理论基础之一，近两年在诸多科学领域也取得了显著和广泛的应用效果，正在改变甚至是颠覆诸多学科的研究范式。”曾毅说。
AI领域，一则重磅消息传来！最新消息，全球最知名的AI公司——OpenAI将在几个月内发布新版大型语言模型GPT-5，性能将有大幅跃升。目前，ChatGPT使用的是GPT-4大模型，去年3月份，正是这款热门聊天 记者3月20日来到广东深汕西高速公路改扩建施工现场，看到智能机器人、自动化生产线等智能制造设备在不停运行。3月19日—20日，由茅以升科技教育基金会和广东省交通集团联合主办的全国高速 春，推也。从草从日，草春时生也。进入春日，人们时常能在大地回暖、万物复苏中见证旺盛的生命力。一起解锁空间站里的“春日关键词”，感受太空中的“春日力量”吧！春日关键词：温暖空间站内 四季如春 有消息称，iPhone在中国寻找本土生成式AI提供方，iPhone讨论了在中国的设备中使用百度的人工智能技术。据《华尔街日报》报道，iPhone与百度进行了谈判，以授权其型号。这可能是为了向中国的iPhone客户提 今天（23日）是第64个世界气象日，今年世界气象日的主题是“气候行动最前线”。地球是人类赖以生存和发展的家园，气候变化给人类造成的影响广泛而深远，关乎当下，更关乎未来。世界气象组织确认2023年全 3月22日，在2024低碳建筑产业论坛上，北京首例负碳示范建筑——首程时代中心负碳示范建筑正式亮相。活动现场，中国建筑节能协会、北京绿色交易所分别授予首程时代中心负碳示范建筑“零 。本文链接：学科交叉研究为人工智能开辟新天地http://www.sushuapos.com/show-2-8744-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 体内天然防线，诱导“敌人”休眠，肺泡巨噬细胞可抑制肿瘤转移
下一篇： 规范使用AI，这样的提醒很必要