諾貝爾物理學獎為何授予機器學習人工神經(jīng)網(wǎng)絡的勝利

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2024-10-09 07:45:03 光明網(wǎng)

辛頓研發(fā)的玻爾茲曼機作為生成模型的先驅(qū)，能夠融入大型網(wǎng)絡體系，依據(jù)用戶偏好推薦影視作品。與傳統(tǒng)軟件遵循固定程序處理數(shù)據(jù)的方式不同，機器學習模仿實例進行學習，處理復雜問題，超越了詳盡指令的范疇。

2024年諾貝爾物理學獎出人意料地頒給了機器學習領(lǐng)域，以表彰約翰·J·霍普菲爾德與杰弗里·E·辛頓在人工神經(jīng)網(wǎng)絡推動機器學習方面的開創(chuàng)性成就。辛頓在獲獎時直言未曾預料。兩位學者共享了1100萬瑞典克朗獎金，約為745萬元人民幣。

機器學習近年來迅猛發(fā)展，核心在于人工神經(jīng)網(wǎng)絡技術(shù)，這也是現(xiàn)代人工智能的基石。盡管計算機不具備思考能力，卻能通過模擬記憶與學習功能接近這一目標，這歸功于諾貝爾獎得主們的創(chuàng)新工作。

霍普菲爾德與辛頓自80年代起就在人工神經(jīng)網(wǎng)絡研究中扮演關(guān)鍵角色，運用物理學工具奠定今日強大機器學習的基礎?；羝辗茽柕掳l(fā)明的聯(lián)想記憶系統(tǒng)能存儲并復原圖像數(shù)據(jù)，其方法能識別最匹配的已存模式。通過結(jié)合對磁性材料的理解與計算技術(shù)，霍普菲爾德網(wǎng)絡得以優(yōu)化，支持更多樣化的數(shù)據(jù)表達。

辛頓則在玻爾茲曼機的研究上取得突破，該模型能夠從實例中學習，實現(xiàn)數(shù)據(jù)特征識別，為圖像分類及模式生成提供可能。2006年，辛頓進一步優(yōu)化了網(wǎng)絡預訓練方法，促進了深度學習領(lǐng)域的飛躍，玻爾茲曼機在個性化推薦系統(tǒng)中發(fā)揮了重要作用。

辛頓還因在深度學習上的貢獻，與他人共同榮獲2018年圖靈獎。如今，深度神經(jīng)網(wǎng)絡規(guī)模龐大，廣泛應用于各行各業(yè)及科學研究，物理學科與人工神經(jīng)網(wǎng)絡的互惠關(guān)系，預示著未來兩者間更深層次的互動與進步。

(責任編輯：張小花 TT1000)

關(guān)閉

諾貝爾物理學獎為何授予機器學習 人工神經(jīng)網(wǎng)絡的勝利

相關(guān)新聞

今日熱點

頻道熱點

諾貝爾物理學獎為何授予機器學習人工神經(jīng)網(wǎng)絡的勝利