大資料文摘受權轉載自AI科技評論
作者丨劉潔、鄭佳美
編輯丨岑峰
就在剛剛，瑞典皇家科學院決定将 2024 年諾貝爾實體學獎授予約翰·J·霍普菲爾德 (John J. Hopfield) 和傑弗裡·E·辛頓 (Geoffrey E. Hinton)，“表彰他們通過人工神經網絡實作機器學習的基礎性發現和發明”。Geoffrey Hinton 出生于1947 年12 月 6 日，英裔加拿大籍心理學家、計算機學家。1986年，他曾與 David Rumelhart 和 Ronald J. Williams 共同發表的論文 Learning representations by back-propagating errors ，被引用了 39626 次，該論文推廣了用于訓練多層神經網絡的反向傳播算法。除此之外，他還發明了波爾茲曼機（Boltzmann Machine）和受限波爾茲曼機（Restricted Boltzmann Machine），這些模型對深度學習的發展起到了重要的作用。Geoffrey Hinton 也是以被視為深度學習領域的領軍人物。此前，Hinton在谷歌擔任進階工程師，并參與上司“谷歌大腦”項目。與他一同獲獎的美國實體學家 John Hopfield 出生于 1933 年 7 月 15 日，是加州理工學院計算與神經系統博士項目的創始人之一。值得一提的是，Hopfield 的研究領域跨度很大，包括實體學、分子生物學和神經科學。1982年，他提出了霍普菲爾德網絡（Hopfield Network），這是一種聯想記憶模型，能夠存儲和重模組化式，并且能夠利用能量函數來描述神經網絡的狀态空間，為後來的深度學習和機器學習奠定了基礎。Hopfield的學術生涯也是相當精彩，1973年當選為美國國家科學院院士，1975年當選為美國藝術與科學院院士，1988年當選為美國哲學會會員，2001年因在将生物學了解為實體過程方面做出的跨學科貢獻而被授予 ICTP狄拉克獎章。而他目前的研究和最近的論文則是主要集中在動作電位計時和同步在神經生物學計算中的使用方式。01 網友熱議
諾獎官方一條簡短的推文，直接讓推特炸開了鍋。
得獎者Geoffrey Hinton表示，這也太突然了。
劍橋大學火速轉發了官方推文，祝賀校友 Geoffrey Hinton 榮獲諾貝爾實體學獎。
多倫多大學校長梅裡克·格特勒 (Meric Gertler)表示：“我代表多倫多大學，非常高興地祝賀大學名譽教授傑弗裡·辛頓 (Geoffrey Hinton) 獲得 2024 年諾貝爾實體學獎。” “多倫多大學社群對他的曆史性成就感到非常自豪。”推特網友也紛紛發來賀電，恭喜Geoffrey Hinton和John Hopfield拿下諾貝爾獎。
即使是人工智能的批評者也放下了成見，為人工智能拿到的這一份特殊榮譽驕傲。
不過拿獎歸拿獎，更多的網友都在祝賀的同時一臉懵，人工智能的成就怎麼拿了實體學獎呢？諾獎官方是這樣解釋的：今年實體學獎得主的突破建立在實體科學的基礎上。他們為我們展示了一種全新的方式使用計算機來幫助和指導我們解決許多社會面臨的問題與挑戰。
感謝他們的工作，人類的工具箱中現在有了一個新項目，我們可以選擇将其用于良好的目的。基于人工神經網絡的機器學習目前正在徹底改變科學、工程和日常生活。
該領域已經在建設可持續社會方面取得突破，例如識别新的功能材料。未來如何使用人工神經網絡的深度學習取決于我們人類如何選擇使用這些已經存在于我們生活的許多方面的極其強大的工具。
官方還做了一個更簡單易懂的解釋，人工智能神經網絡一開始就是為了模仿大腦而設計的。
斯坦福的應用實體學教授表示，人工智能的很多重要基礎都依賴于實體學，拿獎理所當然，而且了解和改進人工智能已經成了實體學的新的前沿課題了！另一位實體學教授也給出了自己的看法，機器學習在粒子實體學的資料分析中可是不可或缺的關鍵技術，能拿諾貝爾獎當之無愧。
另一位量子學副教授也解釋說，Hopefield 網絡、基于能量的模型、RBM 是實體學和機器學習之間最自然的聯系之一，能看到看到諾貝爾實體學獎高度認可這一點既意外又開心。
也有網友調侃道，别管人工智能要不要解決實體問題了，人工智能現在可是真正的“實體學”了。
還有網友開玩笑，人工智能拿實體獎，我們不會真的活在虛拟現實裡吧？
也有網友吐槽，這不就是圖靈獎的定位嗎？畢竟圖靈獎一直被業界稱為“計算機界的諾貝爾獎”。
另一位網友表示，要不然幹脆設立一個諾貝爾計算機獎吧？
02 解讀：實體諾貝爾獎為何頒給了人工神經網絡？
今年的諾貝爾實體獎的評選，可謂“冷門”。因為通常人們認為實體學獎應該授予那些在傳統實體學領域做出重大發現的科學家，然而，這一決定恰恰強調了實體學與人工神經網絡之間的緊密聯系，以及實體學在推動神經網絡研究中所發揮的關鍵作用。
以下則是瑞典皇家科學園新聞稿給出的兩位獲獎者獲獎原因的解釋（原文見：https://www.nobelprize.org/prizes/physics/2024/press-release/）：約翰·霍普菲爾德發明了一種網絡，它使用一種儲存和重新建立模式的方法。我們可以将節點想象成像素。霍普菲爾德網絡利用實體學來描述材料由于原子自旋而産生的特性——這種特性使每個原子都成為一個微小的磁鐵。整個網絡的描述方式相當于實體學中自旋系統的能量，并通過尋找節點之間連接配接的值來進行訓練，以便儲存的圖像具有較低的能量。當霍普菲爾德網絡被輸入扭曲或不完整的圖像時，它會有條不紊地處理節點并更新它們的值，進而降低網絡的能量。是以，網絡逐漸找到與輸入的不完美圖像最相似的儲存圖像。
傑弗裡·辛頓 (Geoffrey Hinton)以霍普菲爾德網絡為基礎，建立了一個采用不同方法的新網絡：玻爾茲曼機。它可以學習識别給定類型資料中的特征元素。辛頓使用了統計實體學的工具，統計實體學是一門由許多相似元件建構的系統科學。通過輸入機器運作時很可能出現的示例來訓練機器。玻爾茲曼機可用于對圖像進行分類，或建立訓練模式類型的新示例。辛頓在此基礎上繼續發展，幫助開啟了機器學習的爆炸式發展。John Hopfield最初是一位實體學家，他的研究領域包括量子統計力學和凝聚态實體。後來，他将研究興趣擴充到了生物實體學，探索生物系統中的實體過程。Hopfield在1982年提出了著名的Hopfield網絡，這是一種能夠進行聯想記憶的神經網絡模型，這一發現标志着實體學思想在神經網絡研究中的首次重大突破。此後，實體學家在神經網絡和神經動力學的研究中發揮了重要作用，他們的工作不僅推動了理論的發展，也為實際應用提供了理論基礎。2001年，Hopfield因其在生物學作為實體過程了解方面的跨學科貢獻而獲得了的國際理論實體中心狄拉克獎章。他的工作涵蓋了生物分子合成中的校對過程、神經網絡中吸引子的集體動力學和計算，為打通實體學和人工神經網絡的基礎研究指明了方向。2021年，諾貝爾實體學獎頒發給了三位在複雜系統領域做出傑出貢獻的科學家，其中包括喬治·帕裡西（George Parisi）。帕裡西在無序系統方面的研究，特别是他提出的複本對稱破缺方法解決自旋玻璃問題，對神經網絡等交叉學科産生了深遠影響。這一事件表明，實體學獎已經開始認可那些在實體學與其他學科交叉領域做出重大貢獻的科學家。而Geoffrey Hinton也與諾貝爾實體獎頗有淵源，2013年，Hinton的博士同門學長Peter Higgs就獲得了當年的諾貝爾實體學獎。神經網絡的研究不僅僅局限于生物學和計算機科學，它還包含了許多實體學的核心思想，如梯度下降、伊辛模型等。這些實體概念不僅為神經網絡的理論提供了基礎，也為算法的優化和應用提供了工具。由此可見，實體學和人工神經網絡之間的聯系是緊密而深刻的。Hopfield的工作是從0到1的開創性貢獻，而Hinton則在此基礎上進行了發揚光大。兩位學者的共同獲獎，不僅是對他們個人成就的認可，也是對實體學在神經網絡領域所發揮的重要作用的肯定。這一決定強調了跨學科研究的重要性，以及實體學在推動現代科技發展中的核心作用。
租售GPU算力租：4090/A800/H800/H100售：現貨H100/H800
特别适合企業級應用掃碼了解詳情☝