還記得那個橫空出世即一路“狂飆”的ChatGPT嗎?從2023年起,人工智能(AI)“百模大戰(zhàn)”從硝煙燃起到全面打響,讓人應接不暇。而AI模型背后的關鍵技術,正是機器學習。
10月8日,瑞典皇家科學院宣布,將2024年諾貝爾物理學獎授予美國科學家約翰·霍普菲爾德和英裔加拿大科學家杰弗里·辛頓,以表彰他們通過人工神經網絡實現(xiàn)機器學習而作出的基礎性發(fā)現(xiàn)和發(fā)明。
諾貝爾獎委員會稱:“盡管計算機無法思考,但現(xiàn)在,機器已經可以模仿人的記憶并具備學習等功能。今年的物理學獎得主為實現(xiàn)這一目標作出了貢獻?!?/p>
靈感源自人腦結構
當我們談論AI時,通常指的是使用人工神經網絡進行的機器學習。如今,AI正在徹底改變科學、工程和日常生活。
事實上,這項技術最初的開發(fā)靈感源自人腦結構。在人工神經網絡中,大腦的神經元由具有不同值的節(jié)點表示。這些節(jié)點通過類似于突觸的連接相互影響,這些連接可以變強或變弱。例如,通過在同時具有高數值的節(jié)點之間建立更強連接,可以對人工神經網絡進行訓練。
機器學習長期以來一直是科學家們研究的重要內容,其中包括對大量數據的分類和分析?;羝辗茽柕潞托令D利用物理學工具構建了新方法,為當今強大的機器學習奠定了基礎。他們的研究起始階段可回溯至20世紀80年代,早在那時,他們就在人工神經網絡方面開展了重要工作。
利用物理學訓練人工神經網絡
霍普菲爾德發(fā)明了一種聯(lián)想記憶網絡,它能夠存儲和重建圖像以及其他類型的數據模式。
如何理解呢?我們可以將節(jié)點想象成像素。“霍普菲爾德網絡”利用了物理學中描述物質特性的原理。根據該原理,材料因原子自旋而具有獨特特性,這種特性使每個原子成為一個小型磁鐵。整個網絡的描述方式相當于物理學中自旋系統(tǒng)的能量,它通過尋找節(jié)點之間連接的值來進行訓練,從而使得保存的圖像具有較低的能量。
當輸入扭曲或不完整的圖像時,“霍普菲爾德網絡”會系統(tǒng)地遍歷節(jié)點并更新它們的值,從而降低網絡的能量。因此,網絡能夠逐步找到與輸入圖像最相似的已保存圖像。
辛頓的研究建立在“霍普菲爾德網絡”基礎之上,他構建了一種使用不同方法的新網絡,即玻爾茲曼機。它能夠學習識別給定類型數據中的特征元素。在研究中,辛頓運用統(tǒng)計物理學原理,通過輸入機器運行時可能出現(xiàn)的示例對其進行訓練。玻爾茲曼機可用于對圖像進行分類,或創(chuàng)建訓練模式類型的新示例。辛頓在此基礎上進行了拓展,推動了當前機器學習的爆炸式發(fā)展。
智能驅動科研或成新范式
“獲獎者的工作已經產生了巨大效益。在物理學中,人工神經網絡廣泛應用于各個領域,例如開發(fā)具有特定屬性的新材料?!敝Z貝爾獎物理學委員會主席埃倫·穆恩斯說。
天津大學自然語言處理實驗室負責人熊德意教授告訴科技日報記者,諾貝爾物理學獎頒給兩位“AI先驅”,除了表彰他們在將物理學與人工神經網絡深度結合方面所作的貢獻之外,可能還有兩層隱含意義,一是物理規(guī)律不僅存在于自然界中,在數字世界(計算機模型、模型創(chuàng)建的虛擬世界)中也可能發(fā)揮著制約作用。二是AI與物理學等基礎科學存在千絲萬縷的聯(lián)系,基礎科學不僅為AI筑起了基座,同時其發(fā)現(xiàn)和理論也對AI研究提供了啟發(fā)和靈感。
與此同時,熊德意認為,隨著AI縱深發(fā)展,其對基礎科學的反哺作用越來越明顯,智能驅動的科研極有可能成為科研第五范式;AI帶來的自動化基礎科研,未來可能推動基礎研究實現(xiàn)跨域式發(fā)展。
(科技日報北京10月8日電)
北疆新聞:內蒙古自治區(qū)重點新聞網站(客戶端),內蒙古出版集團新華報業(yè)中心旗下國家互聯(lián)網新聞信息采編發(fā)布服務一類資質網站(客戶端)。
北疆新聞版權與免責聲明:
一、凡本站中注明“來源:北疆新聞”的所有文字、圖片和音視頻,版權均屬北疆新聞所有,轉載時必須注明“來源:北疆新聞”,并附上原文鏈接。
二、凡來源非北疆新聞的新聞(作品)只代表本網傳播該消息,并不代表贊同其觀點。
如因作品內容、版權和其它問題需要同本網聯(lián)系的,請在見網后30日內進行,聯(lián)系郵箱:bjwmaster@163.com。
版權聲明:北疆新聞版權所有,未經書面授權,不得轉載或建立鏡像,違者依法必究。 本站違法和不良信息舉報電話:15648148811蒙ICP備16001043號-1
Copyright © 2016- 北疆新聞網 All Rights Reserved互聯(lián)網新聞信息服務許可證:15120200009-1蒙公網安備:15010502001245