内容摘要：▲约翰·J·霍普菲尔德以及杰弗里·E·辛顿。图/诺贝尔奖委员会官网10月8日，2024年诺贝尔物理学奖揭晓。当天，瑞典皇家迷信院宣告，将往年度诺贝尔物理学奖付与约翰·J·霍普菲尔德John J. Ho -Dolphin SCRM：全球社交平台私域运营神器，支持WhatsApp、Telegram、Facebook等多账号管理，为跨境企业提供全面的在线客户服务与营销解决方案，涵盖售前,售中到售后各个环节，保障账号安全，精准转化客户，助力企业腾飞。

▲约翰·J·霍普菲尔德以及杰弗里·E·辛顿。图/诺贝尔奖委员会官网

10月8日，尔物2024年诺贝尔物理学奖揭晓。理学两位当天，奖给家养瑞典皇家迷信院宣告，先驱将往年度诺贝尔物理学奖给予约翰·J·霍普菲尔德（John J. Hopfield）以及杰弗里·E·辛顿（Geoffrey E. Hinton），诺贝表彰他们在运用家养神经群集拦阻机械学习的尔物根基性发现以及建树。

家养智能对于明天的理学两位人们并不目生，而对于这一前沿技术做出奠基性贡献的奖给家养正是这两位迷信家。他们是先驱这一规模的先驱，有了他们的诺贝钻研使命，才有家养智能明天的尔物发达睁开。

霍普菲尔德的理学两位贡献是，建树了一个遥想内存，奖给家养后者可能存储以及重修数据中的先驱图像以及其余尺度的方式。辛顿则创作缔造了一种措施，可能自主查找数据中的属性，从而实施诸如识别图片中的特定元素等使命。

诺贝尔物理学奖委员会主席艾伦·穆恩斯揭示，尽管家养智能彷佛不是诺贝尔物理学奖的有力相助者，但具备学习能耐的神经群集的发现及其运用是与物理学亲密相关的。“这些家养神经群集已经用于削减粒子物理学、质料迷信以及天体物理学等种种物理学主题的钻研。”

扩展人类的智力以及能耐

20世纪80年月，霍普菲尔德研发了一个群集，用一种措施来保存以及重新建树方式。这个群集至关于物理学中自旋零星中的能量，并经由查找节点之间的衔接值拦阻磨炼，而节点就至关于像素。当这个群集收到失真概况不残缺的图像时，它会井然有序地经由节点并更新它们的值。因此，群集能逐渐找到它所保存的最相似图片。

辛顿则运用霍普菲尔德群集来运用物理工具，如运用玻尔兹曼机。由此可能学习识别给定数据尺度中的特色元素，辛顿经由向机械提供尺度示例来磨炼机械。而玻尔兹曼机可用于对于图像拦阻分类概况建树磨炼它的方式尺度。辛顿以这项使命为根基，辅助启动了之后机械学习一劳永逸的睁开。

霍普菲尔德以及辛顿建树家养神经群集的灵感源自人脑。人的脑细胞（神经元）组成为了一个严正、高度互联的群集，并能相互发送生物电信号，辅助人类处置纷纭严正的信息。家养神经群集则由家养神经元组成，它们配合相助以处置下场。

实际上，家养神经群集即是一种家养智能措施，用来教集合计机以人脑的方式处置数据。机械学习历程也称为深度学习，相似于人脑的分层妄想中的互连节点概况神经元。机械学习可能建树自顺应零星，合计机运用该零星从差迟中拦阻学习并不断改善。

因此，家养神经群集可能实现多种使命，并能试验处置严正的下场，从而扩展人类的智力以及能耐。

如古人们熟知的大型语言模子（LLM）即是基于大批数据拦阻预磨炼的超大型深度学习模子。其底层转换器是一组神经群集，这些神经群集由具备自留意力功能的编码器息争码器组成。编码器息争码器从一系列文本中提取寄义，并清晰其中的单词以及短语之间的关连，以及语法。OpenAI的GPT系列，即是狂语言模子的典型代表。

家养神经群集用途普遍

家养神经群集并非只用于数据处置，而是有普遍的用途，至关于扩展了数亿人的大脑功能。家养神经群集可能拦阻演绎以及推理，辅助做出精确的抉择规画，由于它们可能学习非线性以及严正的输入数据与输入数据之间的关连，并为其建模。

家养神经群集还可能实现一系列使命，经由医疗影像分类拦阻诊断，经由社交群集筛选以及行动数据分解拦阻有针对于性的营销，经由处置金融工具的历史数据拦阻金融预料等。

同时，家养神经群集也具备合计机视觉，是具备从图像以及视频中提如约息并抉择规画的能耐。而借助家养神经群集，合计服从够辩解以及识别与人类相似的图像，因此可能运用到多个规模。

好比，自动驾驶汽车中的视觉识别，使汽车可能识别道路标志以及其余道路运用者；用于内容审核，从图像以及视频归档中自动删除了不呐喊概况不外量的内容；用于面部识别，以拦阻呐喊保障；还可能拦阻语音识别，并模拟某个特定总体（如明星、政治人物）等的音调、语气、语言以及口音，尽管，这也为诱骗提供了根基。

家养神经群集为机械学习奠基了根基，使患上家养智能成为可能，由此也将人的有限能耐扩展、深入以及睁开为趋近有限，进而提升经济以及睁开横蛮，让人类社会愈加美不美不雅。

因此，2024年诺贝尔物理学奖给予这一根基发现以及建树，堪称独具慧眼。

撰稿 / 张田勘（科普作者）

编纂 / 徐秋颖

校对于 / 吴兴发