我的位置:首页 > 物理学知识 >

两位AI先驱摘获今年的诺贝尔物理学奖

2024-10-09
来源: 迷上科学

  2024 年诺贝尔物理学奖的揭晓,如同一颗投入平静湖面的巨石,激起了层层波澜。当人们得知今年的奖项授予了美国物理学家约翰・霍普菲尔德和英裔加拿大计算机科学家杰弗里・辛顿时,震惊与意外弥漫开来。然而,当我们深入解读这一奖项背后的意义时,会发现这个结果其实蕴含着深刻的价值。

微信截图_20241009170635

  约翰・霍普菲尔德和杰弗里・辛顿,两位在机器学习领域具有奠基性贡献的先驱,平分了 1100 万瑞典克朗的奖金。辛顿在接到瑞典皇家科学院的电话采访时那长久的停顿和那句 “我没有想到”,也反映出这个结果的出人意料。在此之前,他们几乎从未出现在诺贝尔物理学奖的预测名单中,而辛顿更为人熟知的身份是 “人工智能之父”。

  但正如多位学者所言,若考虑到两位获奖者对世界的贡献,这个结果也并不那么令人震惊。他们利用物理学工具,为强大的机器学习奠定了基础。如今,深度学习模型已成为连中学生都可熟练使用的 AI 工具,而这些模型正是在他们的成果上不断演进而来。

  现年 91 岁的霍普菲尔德是一位物理学家,他在 1980 年代首次提出的 “霍普菲尔德网络” 具有重大意义。这一单层、全反馈的网络结构模仿生物神经元连接,并引入了能量函数。当能量函数达最小值时,整个系统达到稳定状态,而这个稳定状态对应于网络的记忆或存储的信息。这一模型在机器学习、联想记忆、模式识别、优化计算等多个领域都有广泛应用。上海交通大学人工智能学院教授严骏驰指出,霍普菲尔德的工作不仅扩展了统计物理学的边界,还创建了一种新的思考大脑计算的语言,让我们对神经网络的动力学有了更深入的理解。基于这一杰出贡献,霍普菲尔德曾获 2022 年玻尔兹曼奖。

  另一位获奖者辛顿,则是机器学习领域的领军人物。他利用统计物理学的工具,对霍普菲尔德网络进行随机扩展,开发出了 “玻尔兹曼机”。通过输入在运行时很可能出现的示例来训练玻尔兹曼机,用于分类图像等任务。而且,辛顿在此基础上不断拓展,启动了机器学习的爆炸性发展。他于 2018 年获得计算机领域的最高奖 —— 图灵奖。上海大学理学院教授许新建介绍,辛顿的工作大大推动了人工神经网络的发展,打破了机器学习的瓶颈。不仅如此,包括量子人工智能领域,新型量子算法和量子计算机的设计,也都受益于他们的工作。

  人工神经网络并非一个全新的研究方向,从上世纪 60 年代起,科学家们就开始探索,且研究过程几经起伏。霍普菲尔德和辛顿的研究都经历了从热到冷、再到热的过程。尤其是辛顿,他 30 年坐 “冷板凳” 的故事更为人津津乐道。早在上世纪 80 年代,人工神经网络曾是热门研究方向,但由于当时计算机算力等问题,这个领域一度被认为难有突破,很快就不再受关注。然而,这两位学者却能持续在神经网络方向耕耘。1986 年,辛顿和两位学生发表了关于 “反向传播算法” 的论文,但当时并未改变神经网络研究持续走低的趋势。直到 2012 年,辛顿和两位学生提出 Alexnet 模型,大幅提升了视觉识别的正确率,才引起全球科学界震动,开启了深度学习的热潮。

  复旦大学类脑科学与智能研究院院长冯建峰教授与辛顿有研究交集,他深知辛顿的坚持。出生于学术世家的辛顿,是那种为了学问而学问的人。在神经网络研究的 “寒冬” 季节,他一度在爱丁堡大学申请不到研究经费,但他仍不放弃,辗转美国、加拿大继续研究。上海交通大学人工智能学院特聘研究院张娅也感叹,难以想象辛顿当年会在神经网络这个 “不受学界待见” 的研究方向持续耕耘,甚至连他的导师都认为他不该在这个方向浪费时间,劝说他转换方向。但正是他的坚持,让他获得了 2018 年的图灵奖和今年的诺贝尔物理学奖,为后来人工智能的发展带来了革命性的突破。

  随着今年诺贝尔物理学奖的颁出,一个延伸话题也引起了学者们的讨论:近年来,这一奖项越来越垂青交叉研究。严骏驰列举了多个例子,2020 年的诺贝尔物理学奖颁给了数学家彭罗斯,2021 年的诺贝尔物理学奖则颁给了研究复杂系统的气象学家真锅淑郎、克劳斯・阿塞尔曼。今年的霍普菲尔德和辛顿同样是 “跨界高人”。霍普菲尔德是横跨多个学科领域的物理学博士,在物理、化学和生物学的交叉处开发了神经网络。辛顿就读剑桥大学时,同时学习物理学和生理学,后来获得实验心理学学士学位,他通过物理、数学和计算机、神经心理学多领域的交叉,推动机器学习的发展。中国科学技术大学教授施郁表示,机器学习的重要研究和发展,都与物理学有着千丝万缕的关系。一方面,物理学早已突破传统领域,研究范围更广;另一方面,随着 AI 工具被广泛使用,越来越多的科研人员也正使用机器学习,继续拓展着物理、化学、生物等研究边界。

  2024 年诺贝尔物理学奖的颁发,不仅是对霍普菲尔德和辛顿个人成就的肯定,更是对交叉学科研究的鼓励。它凸显了前沿学科的交叉与互通性,也为未来的科学研究指明了方向。在这个充满挑战与机遇的时代,我们期待更多的科学家能像霍普菲尔德和辛顿一样,在看似 “不受待见” 的方向持续耕耘,勇于跨界,为推动人类科学的进步贡献自己的力量。介绍一下霍普菲尔德网络的具体应用深度学习模型的发展历程是怎样的?机器学习的未来发展趋势是什么?

友情链接: