澎湃新闻记者 张静

诺贝尔物理学奖,为何授予机器学习?

辛顿开发的玻尔兹曼机成为了生成模型的早期例子。玻尔兹曼机常被用作一个大 *** 的一部分,可以用来根据观众的喜好推荐电影或电视剧。

机器学习与传统软件不同,传统软件的工作方式就像一种配方。传统软件接收数据,然后根据清晰的描述进行处理并产生结果,就像有人收集原料并按照食谱处理。相反,在机器学习中,计算机通过实例学习,使其能够解决模糊和复杂的问题,这些问题无法通过一步一步的指令来管理。

约翰·J·霍普菲尔德和杰弗里·E·辛顿因“通过人工神经 *** 实现机器学习的基础性发现和发明”,获得2024年诺贝尔物理学奖。

10月8日,2024年诺贝尔物理学奖出乎意料地授予机器学习研究领域,结果公布后,连获奖者本人杰弗里·E·辛顿(Geoffrey E. Hinton)在接受瑞典皇家科学院的 *** 采访时,也直呼“没有想到”。

2024年,普林斯顿大学的约翰·J·霍普菲尔德(John J. Hopfield)和加拿大多伦多大学的杰弗里·E·辛顿因“通过人工神经 *** 实现机器学习的基础性发现和发明”,获得诺贝尔物理学奖。获奖者将共享1100万瑞典克朗(约合745万元人民币)奖金。

诺贝尔物理学奖为何花落机器学习?机器学习在过去15到20年里爆炸式发展,它利用了一种叫做人工神经 *** 的结构。所以当我们谈论人工智能时,通常指的是使用人工神经 *** 的机器学习。虽然计算机不能思考,但机器现在可以模拟记忆和学习等功能。这要得益于今年诺贝尔物理学奖得主的创造性工作。

今年的两位诺贝尔物理学奖得主两位获奖者约翰·霍普菲尔德和杰弗里·辛顿从20世纪80年代开始就在人工神经 *** 方面开展了重要工作。他们使用了物理学的工具来开发 *** ,这些 *** 是当今强大的机器学习的基础。

霍普菲尔德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。当给定一个不完整或稍微扭曲的 *** 模式时,霍普菲尔德的 *** 可以找到最相似的存储模式。

1980年,霍普菲尔德离开了普林斯顿大学的职位,他的研究兴趣把他带出了物理学同行们工作的领域。他来到加州理工学院担任化学和生物学教授。在那里,他可以使用计算机资源进行免费实验,并发展他关于神经 *** 的想法。但他并没有放弃自己的物理学基础。磁性材料由于原子自旋而使得每个原子都能成为一个微小的磁铁,相邻原子的自旋相互影响。得益于对磁性材料的了解,霍普菲尔德利用描述自旋相互影响时材料如何发展的物理学原理,建立了一个具有节点和连接的模型 *** 。霍普菲尔德等人继续发展霍普菲尔德 *** 的运作细节,例如可以存储任何值的节点,而不仅仅是0或1。如果把节点想象成图片中的像素,它们可以有不同的颜色,而不仅仅是黑色或白色。改进的 *** 使保存更多的图片成为可能,即使它们非常相似,也可以区分它们。

图片来自诺奖官网。

记住一幅图像是一回事,但要解释它所描绘的内容需要更多的东西。

辛顿曾在英格兰和苏格兰研究实验心理学和人工智能,他想知道机器是否能像人类一样学会处理模式,分类和解释信息。当霍普菲尔德1982年发表关于联想记忆的文章时,辛顿正在卡内基梅隆大学工作。辛顿将霍普菲尔德发明的 *** 作为一个新 *** 的基础,这种新 *** 使用另一种 *** 是玻尔兹曼机,可以学习识别给定类型数据中的特征元素。这一 *** 发表于1985年。

辛顿使用了统计物理学的工具,通过给机器输入案例来训练机器。玻尔兹曼机不是从指令中学习,而是从给定的例子中学习,它可对图像进行分类,或者为它所训练的模式类型创建新的案例。玻尔兹曼机每次更新一个节点的值,最终机器将进入一种状态,在这种状态下,节点的模式可以改变,但整个 *** 的属性保持不变。根据玻尔兹曼方程,每个可能的模式都有一个特定的概率,这个概率由 *** 的能量决定。当机器停止时,它创造了一个新的模式,这使得玻尔兹曼机成为了生成模型的早期例子。

约翰·J·霍普菲尔德和杰弗里·E·辛顿因“通过人工神经 *** 实现机器学习的基础性发现和发明”,获得2024年诺贝尔物理学奖。

20世纪90年代,许多研究人员对人工神经 *** 失去了兴趣,但辛顿是继续在该领域探索的科学家之一,他还在这项工作的基础上帮助启动了当前机器学习的爆炸性发展。2006年,他和同事开发了一种预训练 *** 的 *** ,该 *** 由一系列分层的波尔兹曼机组成。这种预训练为 *** 中的连接提供了一个更好的起点,从而优化了识别图像元素的训练。玻尔兹曼机常被用作一个大 *** 的一部分,可以用来根据观众的喜好推荐电影或电视剧。

值得一提的是,辛顿因在深度学习方面的贡献与约书亚·本希奥和杨立昆一同被授予了2018年的图灵奖。

今天的人工神经 *** 通常是巨大的,由更多层组成。它们被称为深度神经 *** ,它们的训练方式被称为深度学习。人工智能越来越深入各行各业、帮助科学研究。诺奖官方评价称,物理学为机器学习的发展提供了工具,物理学作为一个研究领域如何也从人工神经 *** 中受益将是有趣的。

来源:澎湃新闻