◆◇◆
文 | 难得君
2024年诺贝尔物理学奖10月8日揭晓：
76岁的多伦多大学计算机科学家杰弗里·欣顿(Geoffrey Hinton)与美国普林斯顿大学名誉教授约翰·霍普菲尔德(John Hopfield)8日共同获得诺贝尔物理学奖，以表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。
约翰·霍普菲尔德（John Hopfield），1933年出生于美国伊利
诺伊州芝加哥市，1958年获得美国康奈尔大学博士学位，现任美国普林斯顿大学教授。
杰弗里·欣顿（Geoffrey Hinton），1947年出生于英国伦敦。1978年获得英国爱丁堡大学博士学位，现为加拿大◆◇◆
文 | 难得君
2024年诺贝尔物理学奖10月8日揭晓：
76岁的多伦多大学计算机科学家杰弗里·欣顿(Geoffrey Hinton)与美国普林斯顿大学名誉教授约翰·霍普菲尔德(John Hopfield)8日共同获得诺贝尔物理学奖，以表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。
约翰·霍普菲尔德（John Hopfield），1933年出生于美国伊利诺伊州芝加哥市，1958年获得美国康奈尔大学博士学位，现任美国普林斯顿大学教授。
杰弗里·欣顿（Geoffrey Hinton），1947年出生于英国伦敦。1
978年获得英国爱丁堡大学博士学位，现为加拿大onsouth.Cn多伦多大学教授。
一个人工神经网络需要利用整个网络架构来处理信息，这一理念最初萌芽于科学家对大脑运作机制的深入探索之中。
早在20世纪40年代，研究者们便着手探究能够理解或模拟大脑神经元与突触功能的数学基础。
此外，心理学领域的进展也为模拟神经功能提供了宝贵洞见，尤其得益于神经科学家唐纳德·赫布关于大脑学习机制的开创性假设。赫布推测，大脑在学习过程中，神经元会协同活动，传递信息，而神经元间的连接——特别是突触——会因此得到强化。
基于大脑的数学模型与神经科学研究成果，科学家们随后迈出了关键一步：尝试在计算机硅基平台上，通过模拟的方式构建人工神经网络，以复现大脑神经网络的某些功能。
在计算机模型中，科学家们设计了具有不同初始权重的节点，用以模拟大脑中的神经元，并通过这些节点间的连接来模拟神经元间的突触作用，其中，节点间的连接强度会根据程序的运行动态调整，增强或减弱。直至今日，唐纳德·赫布的理论仍然是指导科学家通过训练手段发展神经网络所遵循的基本原则之一。
我们现在所igede.Cn看到的如此规模的计算机神经网络是通过获取可用于训练网络的大量数据以及计算能力的巨大提升发展而来的。现今的人工神经网络通常是巨大的，由许多层组成。这些被称为深度神经网络，它们的训练方式被称为深度学习。
欣顿教授堪称深度学习之父。
但是，AI神经网络本质上是对大脑神经系统的一个仿生学设计，勉强能扯上诺贝尔生理学奖。
欣顿和霍普菲尔德教授都是搞计算机软件的，连硬件都不沾边，尤其是与物理学的几大块通识性知识基本无关。
事实上，计算机科学也有图灵奖，档次也并不低，完全没必要非要扯上诺贝尔奖。
目前，物理学作为人类的基础学科，出现了严重的瓶颈。理论物理一直还在发展，很多方向的发展非常超前。但实验物理的水平则远远落后于理论物理，造成的后果就是很多物理理论无法用实验进行验证。就连100年前的量子力学、相对论，现在也无法完全证实。
目前物理学上的突破非常困难，实在评不出诺贝尔物理学奖，完全可以宁缺毋滥。
最后，恭喜欣顿教授创造了历史，成为了第一个同时获得了图灵奖和诺贝尔物理学奖的人。
热门跟贴