2024諾貝爾物理獎得主霍普、辛頓催生AI的發展
霍普創聯想神經網路可儲存重建圖像資料
類神經網路研究奠定機器學習基礎
AI教父辛頓示警AI的潛在威脅
2024年諾貝爾物理學獎頒給美國普林斯頓大學約翰霍普菲爾德，和加拿大多倫多大學的傑弗瑞辛頓，因為他們的基礎發現和發明，讓人工神經網路可以應用在機器學習。
他們利用物理學訓練人工神經網絡，今年的兩位諾貝爾物理學獎得主使用物理學工具開發出來的方法，為機器學習奠定了基礎。
約翰·霍普菲爾德創建了一種聯想式的記憶體，可以儲存和重建圖像以及其他類型的資料模式。 傑弗瑞辛頓發明了一種方法，可以自動尋找資料的屬性，進而可以執行識別圖片中特定元素的任務。
當我們談到人工智慧時，我們通常指的是使用人工神經網路的機器學習。這項技術最初的靈感來自於大腦的結構。在人工神經網路中，大腦的神經元由具有不同數值的節點來表示。這些節點透過類似突觸一樣的連接來相互影響，而且這些連結可以變強或變弱。例如，同時具有高數值的節點之間，可以建立更強的連接來訓練網路。今年的獲獎者從1980 年代開始就投入在人工神經網路這個領域。
約翰·霍普菲爾德發明了一種網路，這種網絡使用一種方法可以保存和重建。我們可以把節點想像成像素。霍普菲爾網路，就像用物理學來描述，某種材料因為每個原子都變成微小磁鐵的這種物理特性，尋找節點之間的連接數值來進行訓練，網路逐步運作，以便保存圖像。
傑佛瑞．辛頓以霍普菲爾德網路作為基礎，發展出使用不同方法的新網路：波茲曼機，它可以學習辨識給定類型資料中的特徵元素。辛頓使用了統計物理學的工具，藉由輸入很多機器在運作時很有可能會出現的範本來訓練它。波茲曼機可用來分類圖像，或根據它被訓練的模式類型來建立新的範本。辛頓的這項研究，讓機器學習有了爆炸性的發展。在物理學領域，我們已經非常廣泛地應用人工神經網路，例如開發具有特定性質的新材料。