诺贝尔物理学奖，这次颁给了神经生物学家

点击图片进入历年诺贝尔奖解读合集

图源：Johan Jarnestad/瑞典皇家科学院

从大脑到机器：模仿自然的智慧

人工神经网络的灵感来源于我们的大脑。就像大脑由数十亿个神经元通过突触相连一样，人工神经网络由大量的“节点”通过“连接”组成。每个节点就像一个神经元，可以存储一个值；而连接的强弱则类似于突触的强度，决定了信息传递的效果。

图源：Johan Jarnestad/瑞典皇家科学院

霍普菲尔德的联想记忆：

在“能量景观”中存储信息

1982年，物理学家约翰·霍普菲尔德提出了一种革命性的网络结构，被称为“ 霍普菲尔德网络”。这个网络能够存储多个模式（比如图像），并且在给定不完整或有噪声的输入时，能够重构出最相似的存储模式。

霍普菲尔德的灵感来自物理学中描述磁性材料的理论。他将网络的状态比作一个“能量景观”，每个存储的模式就像景观中的一个山谷。当网络接收到新的输入时，就像在这个景观中滚动一个球，最终会停在最接近的山谷中，也就是找到了最相似的存储模式。

图源：Johan Jarnestad/瑞典皇家科学院

辛顿的玻尔兹曼机：

自主学习的突破

霍普菲尔德的网络主要用于存储和检索信息，杰弗里·辛顿则更进一步，希望机器能像人类一样自主学习和分类信息。1985年，辛顿和同事提出了“ 玻尔兹曼机”，这个名字源于19世纪物理学家路德维希·玻尔兹曼的方程。

图源：Johan Jarnestad/瑞典皇家科学院

从理论到实践：机器学习的革命

霍普菲尔德和辛顿的工作为机器学习奠定了理论基础，但真正的革命是在2010年左右开始的。得益于海量数据的可用性和计算能力的巨大提升，今天的人工神经网络已经发展成为拥有数十亿甚至上万亿参数的“ 深度神经网络”。

展望未来：机遇与挑战并存

机器学习的迅速发展不仅带来了巨大的机遇，也引发了广泛的讨论，特别是在伦理和安全方面。如何确保AI技术的公平性和透明度？如何防止它被滥用？这些都是我们需要认真思考的问题。

2024年的诺贝尔物理学奖不仅是对霍普菲尔德和辛顿个人成就的肯定，更是对跨学科研究重要性的强调。他们的工作展示了，当物理学的深刻洞见与计算机科学的创新相结合时，能够产生多么令人惊叹的成果。

信息来源：诺贝尔官网新闻稿

编译：果壳翻译班

稍后，果壳将为大家带来2024年诺贝尔物理学奖的 更多内容，敬请期待！

快来关注，不要错过！

点击图片进入历年诺贝尔奖解读合集

如有需要请联系sns@guokr.com