斯德哥尔摩(瑞典)，10月8日(ANI):瑞典皇家科学院周二宣布，2024年诺贝尔物理学奖授予John Hopfield和Geoffrey Hinton，以表彰他们在人工神经网络机器学习方面的基础性发现和发明。这两位诺贝尔物理学奖得主利用物理学工具开发出的方法，为当今强大的机器学习奠定了基础。二人利用物理学在信息中寻找模式。在对这项研究的解释中，诺贝尔奖机构表示，许多人都体验过计算机如何在语言之间进行翻译，解读图像，甚至进行合理的对话。然而，它说，可能不太为人所知的是，这种技术长期以来一直对研究很重要，包括对大量数据的分类和分析。在过去的15到20年里，机器学习的发展呈爆炸式增长，它利用了一种叫做人工神经网络的结构。机器现在可以模仿记忆和学习等功能，今年的物理学奖得主帮助实现了这一目标。利用物理学的基本概念和方法，他们开发了利用网络结构来处理信息的技术。而在机器学习中，计算机通过实例学习，使其能够解决过于模糊和复杂的问题，而无法通过一步一步的指令来管理。一个例子是通过解读图片来识别其中的物体。Hopfield创造了一种联想记忆，可以存储和重建图像和其他类型的数据模式。Hopfield网络可以存储模式，并有一种重新创建模式的方法。当给定一个不完整或稍微扭曲的网络模式时，该方法可以找到最相似的存储模式。与此同时，Geoffrey Hinton发明了一种方法，可以自动发现数据中的属性，从而执行诸如识别图片中的特定元素之类的任务。使用人工神经网络的机器学习技术最初是受到大脑结构的启发。在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过连接相互影响，这些连接可以被比作突触，可以增强或减弱。例如，通过在同时具有高值的节点之间建立更强的连接来训练网络。诺贝尔奖委员会在一份声明中说，今年的获奖者从20世纪80年代起就在人工神经网络方面进行了重要的工作。霍普菲尔德1933年在芝加哥做的这项研究是在普林斯顿大学进行的，而1947年出生于伦敦的欣顿则在多伦多大学工作。“获奖者的工作已经带来了最大的好处。在物理学中，我们在广泛的领域使用人工神经网络，比如开发具有特定性能的新材料，”诺贝尔物理学委员会主席艾伦·穆恩斯(Ellen Moons)说。(ANI)