这两天诺贝尔奖获奖名单揭晓,可谓是掀起了一场大波澜。物理学奖、化学奖都颁给了人工智能相关科学家,有人说这简直是跟图灵奖抢饭碗。当然也有人调侃,该不会诺贝尔文学奖要颁给 ChatGPT了吧。还好还好,文学奖最终获奖的是人类。不过这一切也让大家意识到未来 AI 在科学研究中的巨大潜力和价值。我们来一起回顾一下诺贝尔奖吧!
诺贝尔物理学奖
2024 年诺贝尔物理学奖授予了两位科学家,John J. Hopfield 和 Geoffrey E. Hinton,以表彰他们在利用人工神经网络实现机器学习方面的基础性发现和发明。
John J. Hopfield 是美国普林斯顿大学的教授,1933 年出生于美国伊利诺伊州芝加哥市,1958 年获得美国康奈尔大学博士学位。Hopfield 教授创建了一种联想记忆方法,可以存储和重构图像或其他类型的数据模式。他利用物理学的工具,特别是统计物理学的概念,为人工神经网络的设计和理解做出了贡献。
Geoffrey E. Hinton 是加拿大多伦多大学的教授,1947 年出生于英国伦敦,1978年获得英国爱丁堡大学博士学位。Hinton 教授发明了一种可以自动发现数据中属性的方法,这种方法对于目前使用的大型人工神经网络至关重要。他以 Hopfield 网络为基础,开发了玻尔兹曼机(Boltzmann Machine),该网络可以学习识别某一类数据中具有特征的元素,并推动了深度学习的重大突破。
他们的工作为当今强大的机器学习技术奠定了基础,这些技术已经广泛应用于多个领域,包括粒子物理、材料科学和天体物理等,也已用于日常生活中的人脸识别和语言翻译等。
诺贝尔化学奖
2024 年诺贝尔化学奖的三位科学家,他们分别是 David Baker、Demis Hassabis 和 John Jumper。David Baker 因计算蛋白质设计而获奖,而 Demis Hassabis 和 John Jumper 因蛋白质结构预测而共同获奖。蛋白质是生命的基础分子,Baker 在西雅图的华盛顿大学成功构建了全新的蛋白质种类,而 Hassabis 和 Jumper 在谷歌 DeepMind 开发的人工智能模型 AlphaFold2 能够预测蛋白质复杂的结构,解决了一个长达 50 年的问题。三位科学家将分享 1100 万瑞典克朗的奖金。
AlphaFold2 是由 DeepMind 开发的 AI 模型,它能够直接从蛋白质的氨基酸序列中预测蛋白质的 3D 结构,并且达到原子级精度。这一技术的应用范围并不限于生物、化学、物理等领域,其应用范围主要取决于如何将客观世界的问题(或数据)抽象成 AI 可以学习和处理的形式。
RoseTTAFold 是由 David Baker 团队开发的另一种 AI 预测工具,它同样能够精确预测蛋白质结构,与 AlphaFold2 相辅相成,为科学研究提供了强大的工具。
今年的诺贝尔化学奖也再次证明了 AI 在科学研究中的巨大潜力和价值。AI 不仅能够帮助科学家解决长期存在的科学问题,还能够推动新药开发和疾病治疗的进程。这种跨界的认可表明 AI 已成为推动科学研究和技术进步的重要工具。
总的来说,不管是物理学奖还是化学奖,这次人工智能的胜利更像是对整个 AI 辅助科学研究趋势的一个肯定。这标志着科学家迎来了 AI 的黄金时代,未来 AI 在科学研究中的应用将更加广泛和深入。AI 技能的深入研究也是当今科学家们另一个必修课程。如何快速入门人工智能,强烈安利这些高质量图书。
人工智能语言Python
《 Python编程:从入门到实践 (第3版)》
[美]埃里克·马瑟斯 | 著
袁国忠 | 译
Python 入门圣经,影响全球超过 250 万读者,长居 Amazon、京东等网店编程类图书榜首,真正零基础,附赠随书代码+配套视频讲解+速查手册,自学无压力。
绕不过的算法
《算法图解(第2版)》
[美] 阿迪蒂亚 · Y. 巴尔加瓦 | 著
袁国忠 | 译
深受读者喜爱的算法入门书,销量突破 17 万册。像小说一样的算法书,好读易懂,新版基于 Python 3 全面更新,还增加了很多新内容。如果你想搞懂常用算法,但是又不想被困在繁琐的证明中,这本书将会是你的不二选择。
《Hello 算法》
靳宇栋(@krahets)
动画图解、一键运行的数据结构与算法教程,GitHub Star 94.2k !近 500 幅动画插图,近 200 段精选代码,助你快速入门数据结构与算法。
书中系统介绍了数据结构与算法基础、复杂度分析、数组与链表、栈与队列、哈希表、树、堆、图、搜索、排序、分治、回溯、动态规划和贪心算法等核心知识,通过清晰易懂的解释和丰富的代码示例,以及生动形象的全彩插图和在线动画图解,揭示算法工作原理和数据结构底层实现,教授读者如何选择和设计最优算法来解决不同类型的问题,切实提升编程技能,构建完整的数据结构与算法知识体系。
数学知识
《深度学习的数学》
[日]涌井良幸、涌井贞美 | 著
杨瑞龙 | 译
一本书掌握深度学习的数学基础知识!结合 235 幅插图和大量示例,基于 Excel 实践,直击神经网络根本原理。
《用Python学透线性代数和微积分》
保罗·奥兰德|著
百度KFive|译
以图文结合的方式帮助你用 Python 代码解决程序设计中的线性代数和微积分问题:
√ 向量几何和计算机图形
√ 矩阵和线性变换
√ 微积分的核心概念
√ 仿真和优化
√ 图像处理和音频处理
√ 用于回归和分类的机器学习算法
大模型必读
《ChatGPT:人类新纪元》
马占凯 | 著作
“搜狗输入法之父”、美团光年 AGI 布道师马占凯新作。本书用生动浅显的语言,用鲜活的故事,讲述 ChatGPT 前世今生、AI 发展史,获得罗永浩、梁宁、戴雨森、王建硕、王玥等大咖倾情推荐。附赠中国 AGI 全景图、ChatGPT 全景图拉页,让你对 ChatGPT 及 AGI 相关产业的发展一目了然。
《这就是ChatGPT》
[美] 斯蒂芬·沃尔弗拉姆|著
WOLFRAM传媒汉化小组|译
OpenAI CEO,ChatGPT 之父山姆·阿尔特曼推荐,国内首部由世界顶级 AI 学者、科学和技术领域重要的革新者、“第一个真正实用的人工智能”搜索引擎 WolframAlpha 发明人斯蒂芬·沃尔弗拉姆对 ChatGPT 最本质的原理的解释的权威之作!
深度学习“鱼书”系列
《深度学习入门:基于Python的理论与实现》
斋藤康毅 | 著
陆宇杰 | 译
本书是深度学习真正意义上的入门书,深入浅出地剖析了深度学习的原理和相关技术。书中使用 Python3,尽量不依赖外部库或工具,从基本的数学知识出发,带领读者从零创建一个经典的深度学习网络,使读者在此过程中逐步理解深度学习。
《深度学习入门2:自制框架》
[日]斋藤康毅 | 著
郑明智 | 译
豆瓣评分 9.9,深度学习鱼书姊妹篇,这套书做到了真正意义上的“入门”!书中没有使用内容不明的黑盒,而是从我们能理解的最基础的知识出发,一步一步地实现最先进的深度学习技术。
《深度学习进阶:自然语言处理》
[日]斋藤康毅 | 著
陆宇杰 | 译
豆瓣评分 9.4 的畅销书《深度学习入门:基于 Python 的理论与实现》续作,带你快速直达自然语言处理领域!本书内容精炼,聚焦深度学习视角下的自然语言处理,延续前作的行文风格,采用通俗的语言和大量直观的示意图详细讲解,帮助读者加深对深度学习技术的理解,轻松入门自然语言处理。
《深度学习入门4:强化学习》
斋藤康毅 |著
郑明智 |译
深受读者喜爱的“鱼书”系列第四弹,深度学习入门经典,从零开始掌握强化学习。沿袭“鱼书”系列风格,提供实际代码,边实践边学习,无须依赖外部库,从零开始实现支撑强化学习的基础技术。
重磅活动
1024 • 程序员节
一年一度的程序员节即将到来,这是属于我们代码世界的盛大节日!👨💻👩💻你们期待已久的图灵购书福利活动也已经提上日程啦~
精选计算机领域图书,从编程经典到最新技术趋势,每一本书都是我们精心挑选,旨在为你的编程之路增添智慧的火花。
锁定1024👀
用知识武装头脑,用代码改变世界!
活动期间全场图书低至5折
直播间不间断放出宠粉福利
不要错过吆~🎊
一键预约↓↓↓