“加班Daily”，一个分享热点，讨论生活的不严肃公众号。希望能在你焦虑、迷茫的时候，给你一些帮助或者慰藉。
非常感谢各位的点赞,关注和转发，你们的点赞和关注是我更新的动力
诺贝尔物理学奖内容
2024年诺贝尔物理学奖授予了美国科学家John J. Hopfield和英国裔加拿大科学家Geoffrey E. Hinton，以表彰他们在使用人工神经网络的机器学习方面的基础性发现和发明。
John J. Hopfield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。而Geoffrey E. Hinton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。
诺贝尔物理学委员会主席Ellen Moons表示，两名获奖者利用统计物理的基本概念设计了人工神经网络，构建了机器学习的基础。相关技术已被用于推动多个领域的研究，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。
获奖者简介
John Hopfield
现年91岁的John Hopfield是计算机科学和物理学界的杰出人物，以发明Hopfield网络而著称，这是一种著名的循环神经网络。曾获得2001年狄拉克奖和2022年玻尔兹曼奖。
狄拉克奖获奖理由：
★在令人印象深刻的广泛科学学科中做出了重要贡献。他特殊而罕见的天赋是他能够跨越跨学科边界发现新问题并提出答案，从而揭示实验事实背后的概念结构
他从理论物理起步，涉足凝聚态物理和生物物理，最终转向神经网络研究。Hopfield在贝尔实验室工作后，先后在加州大学伯克利分校、普林斯顿大学和加州理工学院任教，并最终成为普林斯顿大学的霍华德·A·普赖尔分子生物学名誉教授。
Geoffrey Hinton
Geoffrey Hinton被誉为人工智能领域的教父，是计算机科学和认知心理学的领军人物。他与理论物理学家Higgs同为Christopher Longuet-Higgins的弟子，这一师承背景令人印象深刻。Hinton曾在谷歌工作十年，后因对人工智能风险的担忧而离开，开始独立研究。
在1986年，Hinton与David Rumelhart和Ronald Williams共同撰写了开创性的论文《Learning Internal Representations by Error Propagation》，在其中提出了反向传播算法，这一算法使得神经网络能够自我学习数据的内部表示，从而解决了之前认为难以处理的问题。这一算法如今已成为大多数神经网络的核心算法。
1983年，Hinton与Terrence Sejnowski合作，发明了玻尔兹曼机，这是首批能够学习内部神经元表征的神经网络之一。
2012年，Hinton携手学生Alex Krizhevsky和Ilya Sutskever，通过引入整流线性神经元（ReLU）和dropout正则化技术，改进了卷积神经网络。在ImageNet竞赛中，他们的团队将物体识别的错误率大幅降低，这一成就不仅赢得了比赛，也彻底改变了计算机视觉领域的发展轨迹。
感谢您的阅读，欢迎批评指正。您的点赞和关注是我更新的动力。
祝您收获好工作，天天不加班！
