多伦多大学名誉教授杰弗里·辛顿和普林斯顿大学教授约翰·霍普菲尔德被授予诺贝尔物理学奖，他们被认为为“当今强大的机器学习奠定了基础”。
瑞典皇家科学院(Royal Swedish Academy of Sciences)的诺贝尔委员会表示，他们的发现和发明为最近人工智能领域的许多突破奠定了基础。自20世纪80年代以来，他们的工作使人工神经网络的创建成为可能，这是一种松散地模仿大脑结构的计算机架构。
通过模仿我们大脑建立联系的方式，神经网络允许人工智能工具从本质上“以身作则”。开发人员可以通过向人工神经网络提供数据来训练它识别复杂的模式，这是当今人工智能最引人注目的一些应用的基础，从语言生成到图像识别。
“很难看到你如何阻止坏人利用它做坏事。”
“我对此没有任何期望。欣顿在多伦多大学的新闻发布会上说:“我非常惊讶，也很荣幸能入选。”
常被称为“人工智能教父”的辛顿去年对《纽约时报》表示，“他的一部分……现在后悔自己毕生的工作。”据报道，他于2023年离开了谷歌的职位，以便能够引起人们对他推动实现的技术所带来的潜在风险的关注。
欣顿在接受《纽约时报》采访时表示:“很难看到你如何阻止坏人利用它做坏事。”
2013年，谷歌收购了辛顿的神经网络公司，辛顿和两名学生一起创办了这家公司，其中包括伊利亚·苏斯克维尔(Ilya Sutskever)，后者后来成为OpenAI的首席科学家，今年离职。
诺贝尔委员会承认Hinton在20世纪80年代与同事一起开发了所谓的玻尔兹曼机器，一种生成模型:
辛顿使用了统计物理学的工具，这是一门由许多相似组件组成的系统科学。通过给机器输入在机器运行时很可能出现的例子来训练机器。玻尔兹曼机器可以用来对图像进行分类，或者为它所训练的模式类型创建新的例子。Hinton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。
Hinton的工作建立在另一位获奖者John Hopfield的Hopfield网络的基础上，这是一个可以重建模式的人工神经网络:
Hopfield网络利用物理学来描述材料的特性，这是由于它的原子自旋——一种使每个原子成为微小磁铁的特性。整个网络的描述方式相当于物理中发现的自旋系统中的能量，并通过寻找节点之间的连接值来训练，以便保存的图像具有低能量。当Hopfield网络得到一张扭曲或不完整的图像时，它会有条不紊地通过节点并更新它们的值，这样网络的能量就会下降。因此，网络逐步找到最像它输入的不完美图像的保存图像。
Hinton继续提出他对人工智能的担忧，包括今天与记者的电话会议。“我们没有经历过比我们聪明的东西是什么感觉。在很多方面，这将是非常美妙的。”“但我们也不得不担心一些可能的不良后果，特别是这些事情失去控制的威胁。”
本文来自作者[卫尚昆]投稿，不代表境合号立场，如若转载，请注明出处：https://uniwayedu.cn/zshi/202506-36897.html
评论列表（4条）
我是境合号的签约作者“卫尚昆”！
希望本篇文章《奠定人工智能基础的科学家荣获诺贝尔奖》能对你有所帮助！
本站[境合号]内容主要涵盖：生活百科,小常识,生活小窍门,知识分享
本文概览：多伦多大学名誉教授杰弗里·辛顿和普林斯顿大学教授约翰·霍普菲尔德被授予诺贝尔物理学奖，他们被认为为“当今强大的机器学习奠定了基础”。 瑞典皇家科学...