請更新您的瀏覽器

您使用的瀏覽器版本較舊,已不再受支援。建議您更新瀏覽器版本,以獲得最佳使用體驗。

國際

奠定「機器學習」基礎理論 兩位科學家榮獲2024諾貝爾物理獎

明日科學

更新於 10月09日09:05 • 發布於 10月09日09:00 • 高 詩豪

人工智慧兩位先驅,約翰·霍普菲爾德(John Hopfield)和傑佛瑞·辛頓(Geoffrey Hinton),於2024年獲得諾貝爾物理學獎,以表彰他們在機器學習基礎技術上的貢獻。這些技術成為今日強大人工神經網絡的根基,徹底改變了人類的生活和工作方式,並對科學和醫學領域產生了深遠影響。

霍普菲爾德於1982年創建了一種稱為聯想記憶的網絡,可以儲存和重建數據中的圖像和模式,並利用物理學的概念來描述網絡的能量。辛頓則在霍普菲爾德網絡的基礎上,發展出了一種名為波茲曼機(Boltzmann Machine)的新型網絡,這種網絡能夠自動學習數據中的特徵,用於分類圖像或創建新樣本。

圖展示了Hinton的聯想記憶模型的概念。圖中手放置一個輸入模式,該模式代表能量景觀中的一個點,透過最小化能量,最終找到一個保存的模式,類似於人腦中的記憶恢復過程。(圖/諾貝爾獎官方網站)
圖展示了Hinton的聯想記憶模型的概念。圖中手放置一個輸入模式,該模式代表能量景觀中的一個點,透過最小化能量,最終找到一個保存的模式,類似於人腦中的記憶恢復過程。(圖/諾貝爾獎官方網站)

約翰創建「聯想記憶」基礎 辛頓以「反向傳播」深耕

兩位科學家的研究突破為現今的深度學習打下了基礎。辛頓特別以反向傳播技術著稱,這項技術使機器能夠通過不斷調整錯誤來學習,類似於學生透過反覆修正錯誤來學習知識。這些貢獻不僅在人工智慧領域具有里程碑意義,也在物理學中被廣泛應用於處理大數據、開發新材料等多種研究。

Boltzmann機器模型及其改進版本(受限Boltzmann機器)奠定了現代機器學習中的生成模型、可見和隱藏節點的概念,並基於Boltzmann分布進行統計分布的計算。(圖/諾貝爾獎官方網站)
Boltzmann機器模型及其改進版本(受限Boltzmann機器)奠定了現代機器學習中的生成模型、可見和隱藏節點的概念,並基於Boltzmann分布進行統計分布的計算。(圖/諾貝爾獎官方網站)

除了讚揚他們的技術成就,辛頓和霍普菲爾德也對人工智慧的快速發展提出了警告。他們擔心這些技術可能失控,導致比人類更智能的系統奪取控制權。辛頓強調,雖然人工智慧的發展有如工業革命,但人類必須確保這些技術能夠以安全和道德的方式被使用,以最大程度地造福全人類。

這次的諾貝爾物理學獎也強調了科學領域之間的邊界逐漸模糊,人工智慧技術的應用不僅限於計算機科學,而是跨越了物理學、生物學等多個領域。

更多科學與科技新聞都可以直接上 明日科學網 http://www.tomorrowsci.com

首圖來源:Christine Olsson/TT News Agency via AP(CC BY 4.0)

圖片來源:the Nobel Prize organisation(CC BY 4.0)

參考出處:
Nobel Prize in physics awarded to 2 scientists for discoveries that enabled machine learning

延伸閱讀:
「很物理」的諾貝爾化學獎 為「奈米」技術注入「色彩」的科學家們

0 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0
reaction icon 0

留言 0

沒有留言。