瑞典皇家科学院当地时间10月8日宣布,将2024年诺贝尔物理学奖授予约翰·J·霍普菲尔德(John J. Hopfield)和杰弗里·E·辛顿(Geoffrey E. Hinton),表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。两位获奖者的研究有何意义?为何物理学奖会颁发给人工智能领域专家?对此,新京报记者采访了中国科学院自动化研究所研究员、联合国人工智能高层顾问机构专家曾毅和清华大学计算机系教授邓志东进行解读。获奖人开创第三次人工智能的研究热潮人工神经网络是20世纪80年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象,建立某种简单模型,按不同的连接方式组成不同的网络。据邓志东介绍,美国物理学家John J. Hopfield在1982年和1984年发表了两篇基础性人工神经网络的论文,引起了很大反响。他提出了一种反馈互连网络,并定义了一个神经元状态和连接权的能量函数。利用该网络可以求解相联记忆与优化计算等问题。该网络结构后来被称为Hopfield网络,最典型的例子是应用该网络可成功地求解旅行商问题(人工智能领域中经典问题之一,是指旅行家要旅行n个城市,要求各个城市经历且仅经历一次然后回到出发城市,并要求所走的路程最短)。1986年,D. E. Rumelhart和G. E. Hinton等提出了误差反向传播算法(Error back-propagation algorithm),简称BP算法,该算法至今仍是所有大模型自监督学习算法采用的。在深度学习神经网络方面,Hinton也做出了开创性贡献,提出了AlexNet模型,实现了深度神经网络、大数据与GPU的融合,由此开创了第三次人工智能的研究热潮。“他于2018年获得图灵奖,这一贡献也是重要原因。”邓志东说,现在的通用大模型都是深度神经网络,深度的含义就是把神经网络一层层堆起来,多层的好处就是可以支持更大规模的参数,更多数据的喂养。Hinton也被称为“人工智能教父”。人工神经网络理论与模型受理论物理与生物物理启发此次诺贝尔物理学奖属于“跨界”颁奖吗?“表面上这次奖项相关领域是机器学习与人工智能,但是从更广泛的意义上讲,我认为本次诺贝尔物理学奖实际上授予了理论物理学。”曾毅说,John Hopfield和Geoffrey Hinton两位获奖者的研究背景都起源于物理学。从人工智能的视角观察,两位最核心的科学贡献是将起源于理论物理、生物物理两个学科的理论成功应用于构建人工智能科学理论。从多学科交叉的视角观察,两位获奖者都是理论物理、人工智能、神经科学的研究者。他们的主要研究成果深深地根植于他们从计算视角对理论物理与神经科学,特别是学习与记忆的物理与神经科学原理的观察、假设、建模与实践,而研究成果更是双双贡献于大脑智能和人工智能基础科学理论的形成,并在人工智能与机器学习领域取得了显著的实践效果与广泛的应用。这说明理论物理研究及其与神经科学、心理学等学科的交叉研究对人工智能科学理论取得里程碑式的进展具有重要的意义与启发。曾毅说,与诸多获得诺贝尔奖的科学成果一样,John Hopfield和Geoffrey Hinton两位获奖者的科学贡献都经受住了时间和实践的检验。受理论物理与生物物理启发的人工神经网络理论与模型成为现代人工智能最重要的理论基础之一,特别是近两年,更在诸多科学领域取得了显著和广泛的应用效果,正在改变甚至颠覆诸多学科的研究范式,因此在这个时间点获得了更多关注,“人工神经网络虽然在物理学领域还不足与基础物理学定律的贡献相媲美,却是对世界可能产生重大影响的人工智能科学的基础性贡献。”诺奖得主近年来关注人工智能安全问题近年来,Geoffrey Hinton极为关注人工智能安全问题。曾毅说,正是由于对人类智能和人工智能的双重关注,以及出于科学家对社会产生影响的责任心,使得Geoffrey Hinton针对人工智能可能产生的滥用恶用、人工智能对人类可能造成的生存风险进行理论研究,并面向公众演讲,提升公众对人工智能风险的认知。曾毅说,他同意Geoffrey Hinton对于人工智能可能给人类产生生存风险的大多数判断。“目前并不存在并且很难实现绝对安全的通用人工智能,但是我们需要以此为目标采用科学的方法继续寻找可能的科学路径。”他认为,真正负责任的科学家,不但需要有能力做出科学突破,还要对科学可能给社会造成的风险与影响给予充分关注,并要通过科学的方法解决可能的隐患,使得科学贡献于全人类福祉。他说,近十年来,我国在人工神经网络方面的研究取得了进展,特别是类脑神经网络模型、计算体系结构、类脑芯片方面的研究。但是在神经网络与人工智能的基础理论,特别是神经科学与理论物理学交叉研究启发的神经网络理论创新方面,与世界最高水平的研究具有一定差距。揭示人类智能原理、启发未来人工智能的研究对于全世界而言仍处于起步阶段,中国在这个领域应大有可为。新京报记者 张璐编辑 樊一婧 校对 付春愔
免责声明:本文来自网络收录或投稿,观点仅代表作者本人,不代表芒果财经赞同其观点或证实其描述,版权归原作者所有。转载请注明出处:https://www.mgcj.net/1123668.html
温馨提示:投资有风险,入市须谨慎。本资讯不作为投资理财建议。