为啥伟大不能被计划?2024诺贝尔物理学奖授予正在住没网廉价酒店的人!

文摘   2024-10-08 22:01   希腊  
≈≈≈≈≈≈≈≈≈≈≈≈≈≈≈□■≈≈≈≈≈≈≈≈≈≈≈≈≈≈≈


2024年10月8号,诺贝尔物理学奖揭晓:
下面我发诺贝尔官网的截图:
获奖原因:
“因推动利用人工神经网络进行机器学习的基础性发现和发明/“for foundational discoveries and inventions that enable machine learning with artificial neural networks””
几个意思?
AI是今年最流行的词汇了吧?
没错,跟AI有关。敢情这诺贝尔奖也是蹭热点?!
咱先看看官方怎么说。
第一句就点题:
他们利用物理学训练人工神经网络!
约翰·霍普菲尔德 (John Hopfield) 创造了一种联想记忆,可以存储和重建图像和其他类型的数据模式。
杰弗里·辛顿 (Geoffrey Hinton) 则发明了一种可以自主查找数据属性的方法,从而执行诸如识别图片中的特定元素等任务。
当我们谈论人工智能时,我们通常指的是使用人工神经网络的机器学习。这项技术最初的灵感来自大脑的结构
在人工神经网络中,大脑的神经元由具有不同值的节点表示。这些节点通过可以比作突触的连接相互影响,这些连接可以变得更强或更弱。
网络的训练方式是,例如在具有同时高值的节点之间建立更强的连接。今年的获奖者从 20 世纪 80 年代开始就对人工神经网络进行了重要的研究。
约翰·霍普菲尔德 (John Hopfield) 发明了一种使用保存和重新创建模式的方法的网络。我们可以将节点想象成像素。
Hopfield 网络利用物理学来描述材料由于其原子自旋而产生的特性——这种特性使每个原子都成为一个微小的磁铁。整个网络的描述方式相当于物理学中自旋系统的能量,并通过寻找节点之间连接的值来进行训练,以便保存的图像具有较低的能量。
当 Hopfield 网络被输入扭曲或不完整的图像时,它会有条不紊地处理节点并更新它们的值,以便网络的能量下降。因此,网络逐步工作以找到最像输入的不完美图像的保存图像。
Geoffrey Hinton 使用 Hopfield 网络作为使用不同方法的新网络的基础:波尔兹曼机
它可以学习识别给定类型数据中的特征元素。Hinton 使用了统计物理学的工具,统计物理学是由许多相似组件构建的系统科学。
通过输入机器运行时很可能出现的示例来训练机器。波尔兹曼机可用于对图像进行分类,或创建训练模式类型的新示例。Hinton 在此基础上继续发展,帮助开启了机器学习的爆炸式发展。
诺贝尔物理学奖委员会主席 Ellen Moons表示:
“获奖者的工作已经产生了巨大的效益。在物理学领域,我们将人工神经网络应用于广泛的领域,例如开发具有特定属性的新材料”

获奖者:
约翰·J·霍普菲尔德,1933 年出生于美国伊利诺伊州芝加哥。1958 年在美国纽约州伊萨卡市康奈尔大学获得博士学位。现任美国新泽西州普林斯顿大学教授。
杰弗里·E·辛顿,1947 年出生于英国伦敦。1978 年在英国爱丁堡大学获得博士学位。现任加拿大多伦多大学教授。
奖金金额:
1100 万瑞典克朗(合748万人民币),获奖者平分。
有本畅销书,名字就叫《为什么伟大不是被计划的……》
就是辛顿的学生写的。
朋友说:“从很早就开始普及的车牌识别,人脸解锁,指纹识别,到最新的chatgpt,都是建立在拿诺奖这两个人工作基础上的。”
没错,自 20 世纪 80 年代以来,他们一直在使用物理学工具来开发所谓的“机器学习”的基础,即向计算机输入大量数据来学习一系列任务——从诊断疾病到了解人们最喜欢的流媒体节目
辛顿是多伦多大学的英裔加拿大教授,经常被称为“人工智能教父”之一。
辛顿的获奖感言是:
我现在住在加州一家廉价酒店里,那里没有良好的互联网或电话连接,我本来今天要做核磁共振身体检查,但我不得不取消!”
他在谷歌工作了十年,成为世界上最著名的人工智能发言人之一。去年 5 月,他公开辞职,并在 X 上发帖称,他做出这一决定“是为了谈论人工智能的危险”。
可以看出,这是一个有原则,有骨头的人。
“很难看出如何防止坏人利用人工智能做坏事,”Hinton 在接受《纽约时报》采访时表示…世界破破烂烂,但总有人修修补补”


------End------


土浪漫指南
实时世事,深深旅行,细品酒精,狠听音乐,冷漠酷玩——给你最接地气的“捣鼓浪漫”攻略指南。
 最新文章