刚刚，2024年诺贝尔物理学奖，颁给了搞AI的！

公示：诺贝尔奖，编辑：Datawhale

人工智能终于不是技术，而是科学啦！

刚刚，2024 诺贝尔物理学奖揭晓！

2024 诺贝尔物理学奖授予了 John J. Hopfield 和 Geoffrey E. Hinton，「以表彰他们通过人工神经网络实现机器学习方面的奠基性发现和发明」。 

机器学习长期以来对研究非常重要

“今年的物理学奖得主的突破建立在物理科学的基础之上，”诺贝尔奖评奖委员会在 X（推特） 上说。“他们向我们展示了一种全新的方式，让我们可以使用计算机来帮助和指导我们，应对社会面临的许多挑战。”

两人使用物理学工具开发了今天机器学习技术的基础方法。John J. Hopfield 创造了一种关联记忆，它能够存储和重构图像以及其他模式类型。Geoffrey E. Hinton 发明了一种能够自主发现数据中属性的方法，并执行任务，如识别图像中的特定元素。Hinton 将 Hopfield 网络的想法应用于一种新网络，这种新网络使用另一种方法：玻尔兹曼机。玻尔兹曼机可以学习给定数据类型的特征元素，可以用来分类图像或创建新材料。这种机器学习帮助推动了当今机器学习的快速发展。

“以人工神经网络为基础的机器学习目前正在彻底改变科学、工程和日常生活。”

Hopfield：91岁的高龄诺奖得主

Hopfield 是美国普林斯顿大学教授，以其在联想记忆神经网络领域的开创性工作而闻名，这种网络后来被命名为 Hopfield 网络。

他于 1933 年 7 月 15 日出生于美国，从小就对科学，特别是物理学和数学表现出浓厚的兴趣。Hopfield 在斯沃斯莫尔学院完成了本科学业，并在1958年于康奈尔大学获得了物理学博士学位。他的学术旅程中对物理学的广泛兴趣为他日后的跨学科研究打下了坚实的基础。

1982年，Hopfield 教授提出了一种创新的神经网络模型，该模型能够阐释大脑如何存储和回忆记忆。他的模型展示了神经元如何通过相互作用形成稳定的记忆，并能够通过简单的机制根据部分信息重建完整的记忆模式。

Hopfield 网络不仅在物理学领域产生了深远的影响，还在生物学和计算机科学等多个学科中引起了广泛的关注。通过构建能够模拟大脑某些功能的人工神经网络，这项技术为机器学习领域带来了革命性的进步，尤其是在深度学习技术的研究中。目前，Hopfield 的研究主要集中于动作电位定时和同步如何用于神经生物学计算。

AI 教父 Hinton！图灵奖诺奖双料得主

Hinton，1947 年 12 月 6 日出生于英国伦敦的温布尔登，是一位杰出的计算机科学家和认知心理学家。他在人工智能领域，尤其是在人工神经网络的研究上享有盛誉，被誉为“人工智能教父”。

在 2013 年至 2023 年期间，Hinton 在谷歌大脑和加拿大多伦多大学工作。2017 年，他与他人共同创建了多伦多矢量研究所，并担任了首席科学顾问。

1986 年，Geoffrey Hinton 与 David Rumelhart、Ronald J. Williams 一起发表了论文，该论文推广了用于训练多层神经网络的反向传播算法。

Hinton 也是深度学习领域的领军人物。他与学生合作设计的 AlexNet 在 2012 年的 ImageNet 挑战赛中取得了突破性的成绩，将 ImageNet 数据集上的视觉识别错误率降到了 15.3%，仅有此前的一半。

由于他在深度学习领域的杰出贡献，Hinton 与 Yoshua Bengio 和 Yann LeCun 共同获得了 2018 年的图灵奖，以表彰他们在实验和工程领域所做的重大突破，使得深度神经网络成为计算的关键组成部分。

写在最后：人工智能终于不是技术，而是科学

诺贝尔物理学奖委员会主席艾伦·穆恩斯表示，得益于获奖者的努力，人工智能“已经成为我们日常生活的一部分”，从面部识别到语言翻译。

可以预见的是，未来神经网络的机理研究可能会变成和脑科学一样重要，这也是诺奖的涵盖领域。

当神经网络成为人类生活的一部分，人工智能作为研究对象本身就变成了science。

在 Hinton 之前，同样获得图灵奖与诺贝尔奖的只有一位，

他就是符号主义的创始人，AI 先驱 Herbert Alexander Simon（司马贺）。

从达特茅斯会议到 ChatGPT 出世，潮起潮落，AI 又站到了浪潮之巅...

参考链接：

[1]https://x.com/NobelPrize/status/1843589140455272810

[2]https://x.com/NobelPrize/status/1843589689720062428

[3]https://www.nytimes.com/2024/10/08/science/nobel-prize-physics.html

往期精彩回顾




适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑

• 交流群

欢迎加入机器学习爱好者微信群一起和同行交流，目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群，请扫描下面的微信号加群，备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~（也可以加入机器学习交流qq群772479961）