作者：芝士喵，来源：知乎
2024 年诺贝尔物理学奖为表彰「利用人工神经网络实现机器学习的奠基性发现和发明」，共同授予美国物理学家约翰·霍普菲尔德（John J. Hopfield）和英裔加拿大计算机科学家杰弗里·辛顿（Geoffrey E. Hinton）。
受大脑中生物神经元的启发，人工神经网络是由 “神经元”（或节点）组成的大型集合，它们通过 “突触”（或加权耦合）连接起来，经过训练后可执行特定任务。人工神经网络利用整个网络结构处理信息。人工神经网络的灵感最初来自于对大脑工作原理的理解。
2024 年诺贝尔物理学奖得主利用物理学工具构建了各种方法，为当今强大的机器学习奠定了基础。
约翰·霍普菲尔德创造了一种可以存储和重建信息的结构。杰弗里·辛顿发明了一种可以独立发现数据属性的方法，这种方法对于现在使用的大型人工神经网络非常重要。
虽然计算机不能思考，但机器现在可以模仿记忆和学习等功能。今年的物理学奖获得者帮助实现了这一目标。他们利用物理学的基本概念和方法，开发出了利用网络结构处理信息的技术。
今年的诺贝尔物理学奖得主约翰·霍普菲尔德（John Hopfield）创造了一种联想存储器，可以存储和重建数据中的图像和其他类型的模式。
霍普菲尔德网络可以存储模式，并具有重建模式的方法。当其网络得到一个不完整或轻微扭曲的模式时，该方法可以找到最相似的存储模式。
杰弗里·辛顿（Geoffrey Hinton）利用约翰·霍普菲尔德（John Hopfield）的网络作为基础，开发了新的网络——玻尔兹曼机，它可以学习识别给定类型数据中的特征元素。
波尔兹曼机可以用来对图像进行分类，也可以根据训练过的模式类型创建新的示例。辛顿在这项工作的基础上，帮助引爆了当今机器学习的发展浪潮。
今年物理学奖获得者的突破是物理科学的基础，他们展示了一种全新的方式，让我们利用计算机来帮助和指导我们应对我们社会所面临的诸多挑战。
由于他们的成果，人类的工具箱里现在有了一种新的工具，我们可以选择利用它大展身手。现在，基于人工神经网络的机器学习正在彻底改变科学、工程和日常生活。
该领域已经在为建设可持续发展的社会取得突破性的进展，比如找到新的功能材料。未来如何利用人工神经网络进行深度学习，取决于我们人类如何选择使用这些强大的工具，它们已经存在于我们生活的方方面面。
