2024年诺贝尔物理学竟然颁给了AI领域，获奖者是人工智能方面的科学家：杰弗里·辛顿 (Geoffrey Hinton)和约翰·霍普菲尔德(John Hopfield)
获奖理由是：他们利用了物理学方法来寻找信息的特征，构建了现代人工智能的基础。
不管这理由充不充分，至少说明AI已经成为万众瞩目的焦点。
今天就来讲讲众所不周知的辛顿和那些改变历史的人。
首先，霍普菲尔德采用物理诺学中自旋系统能量的方式，提出了Hopfield神经网络，而辛顿则在此基础上历经五十年，最终让人工智能浪潮席卷全球。
人工智能教父辛顿
时间回到2012年6月，谷歌公司公开了一项名为“谷歌猫”的研究成果，他们模拟人脑学习的方式，搭建了一个神经网络系统，用算法来识别网上视频中的“猫”。而这些大量的视频，不做任何标记，让模型自己学习“猫”的特征。
谷歌在背后动用了各个数据中心共16000块CPU进行训练，最终以74.5%的准确率，惊动了业界。
这个项目的发起人叫吴恩达，项目接近尾声时，他离开了谷歌，同时请来了自己的老师接替他完成，这位老师就是已经64岁的辛顿。
时年64岁的辛顿
辛顿看了“谷歌猫”项目的技术细节，意识到他的学生可能用错了神经网络。
于是他在“谷歌猫”项目结束后，开始行动起来，找来了自己另外两个学生——IlyaSutskever和Alex Krizhevsky，（两人都是出生于苏联的犹太人，前者极具数学天赋，后者擅长工程实现）合作创建了一个新的卷积神经网络。
而后马上参加了ImageNet图像识别比赛，结果以高达84%的识别准确率夺得冠军，更令人吃惊的是他们只用了4块GPU 。
学术界和产业界惊呆了！
辛顿他们3个人加4块GPU，是如何干掉谷歌一个团队外加16000块CPU的。
此时，最想知道答案的，恐怕是一位还在休产假的斯坦福华人教授，也是ImageNet项目的发起人李飞飞，她意识到人工智能的历史有可能在这一天被改写了。
出生于北京的她，从普林斯顿毕业后，研究方向是计算机视觉与机器学习，就是让机器能够像人一样，理解图像的意义。
传统方式是将“猫”的图像，抽象成简单的几何图形，以此降低识别难度。
传统方式，将“猫”的图像抽象成简单的几何图形，再识别
但现实中有可能会出现各种奇形怪状的“液体猫”，这让李飞飞意识到，问题可能不是出在算法上，而是没有足够的高质量数据，让机器来学习。
各种奇形怪状的“液体猫”，让抽象成几何图形变得没有意义
李飞飞从孩子认识世界的过程中，得到了很大的启发：如果小孩每转一次眼睛，代表机器拍下一张图片，那么一个3岁小孩就已经学习了上亿张图片。
如果有足够多的标记好的数据，让机器每看一张就和背后标记的答案核对一次，那么经过足够多次的学习，机器就能和小孩一样理解“猫”的含义。
但哪儿来这么多标记好答案的图片呢？
依靠亚马逊众包平台，李飞飞团队完成了人工标注的庞大工作量。
李飞飞团队通过众包平台，召集了来自167个国家的48940位合作者，共同完成了大量图片的标注工作
2009年，包含了320万张图片的ImageNet数据集诞生了。三年后，这个数量达到了1500万张。李飞飞用6年时间大力出奇迹，弥补了数据的短板。
而此时，辛顿和他的两位学生出现了，他们的AlexNet在经典的卷积神经网络基础上，摒弃了此前的逐层无监督方法，对输入值进行有监督学习。也就是每次识别后，比对与李飞飞人工标注的答案之间的差异，进行反馈优化，大大提高了准确率。
同时，卷积核会在输入图像上滑动，所以无论被检测物体在哪个位置，都能被检测到相同的特征，大大减少了运算量。算法的瓶颈终于突破了，此时只剩下最后一块拼图，那就是算力。
辛顿和他的两位学生创造的图像识别产品AlexNet
长期被认为不务正业，只能作为游戏显卡的GPU，却被辛顿看好，因为他发现GPU有超强的并行运算能力，与深度学习高度适应。类似于：GPU能同时进行很多次简单的四则运算，而CPU只能一次做少量难度很高的函数运算。这就是4块GPU，就能抵得上16000块CPU的原因。
终于，算力被另一位美籍华人给补上了，他的名字叫黄仁勋。
英伟达（NVIDIA）公司首席执行官黄仁勋
算法、数据与算力三驾马车终于齐备，之后就是大家熟悉的故事了：深度学习的繁荣、GPU与英伟达的崛起、AlphaGo的称霸、大模型的诞生、ChatGPT的横空出世、AIGC时代的到来。
这个改变历史的时期将我们现代熟悉的人工智能发展都串联了起来
当一个跨时代的伟大产物出现时，往往意味着早有一群开拓者默默前行了许久，如果从辛顿1972年进入爱丁堡大学算起，这位AI教父已经在人工智能领域鏖战了五十余年。
每一次科技浪潮汹涌而来时，背后都有一些闪耀的光芒，值得被更多人知道。
原点阅读入驻小红书啦！
每天更新科普小知识
↓ 识别二维码直达主页 ↓
点个关注哟！
欢迎加入清华原点阅读和小伙伴们微信读者群
请联系微信mashuo577044（添加时请注明来意）
