跨越学科界限:2024诺贝尔物理学奖与AI革命，人工智能机器学习获得诺贝尔物理学奖，图灵奖三巨头一人获奖

跨越学科界限:2024诺贝尔物理学奖与AI革命，人工智能机器学习获得诺贝尔物理学奖，图灵奖三巨头一人获奖 NewStoryTeller 5.67K subscribers Subscribe Transcript 0:01 大家好! 0:02 2024年10月8日,瑞典皇家科学院宣布 0:07 将2024年诺贝尔物理学奖授予约翰·霍普菲尔德(John J 0:11 Hopfield)和杰弗里·辛顿(Geoffrey E 0:13 Hinton), 0:13 "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"。 0:20 两位科学家将平分这份奖金 0:23 让我们先来了解一下两位获奖者的背景: 0:27 约翰·霍普菲尔德 0:28 1933年出生于美国芝加哥 0:31 1958年在康奈尔大学获得博士学位 0:35 他现在是普林斯顿大学的教授 0:38 霍普菲尔德是一位理论物理学家 0:40 早期在分子生物学领域做出了重要贡献 0:44 后来将注意力转向了神经网络研究 0:48 杰弗里·辛顿,1947年出生于英国伦敦 0:52 1978年在爱丁堡大学获得博士学位 0:55 他现在是加拿大多伦多大学的教授 0:59 值得一提的是 1:00 辛顿自1987年起就在加拿大工作和研究 1:05 对加拿大成为人工智能研究的重要中心做出了巨大贡献 1:10 这两位科学家的工作为当今强大的机器学习奠定了基础 1:15 他们运用物理学的工具 1:17 构建了帮助奠定现代机器学习基础的方法 1:21 让我们来看看他们各自的主要贡献: 1:25 霍普菲尔德的贡献: 1:27 1982年 1:28 霍普菲尔德发表了一篇关于联想记忆的动态模型的开创性论文 1:33 这个模型被称为"霍普菲尔德网络", 1:37 它可以存储模式并有方法重建它们 1:41 当网络被给予一个不完整或轻微扭曲的模式时 1:46 该方法可以找到最相似的存储模式 1:50 霍普菲尔德的工作受到了物理学的启发 1:53 特别是磁性材料中原子自旋相互影响的物理学 1:58 他将这些概念应用到神经网络中 2:01 创造了一个具有节点和连接的模型网络 2:06 霍普菲尔德网络的一个重要特征是它可以用能量的概念来描述 2:12 网络的整体状态可以用一个类似于物理系统中能量的属性来表示 2:18 这个能量是通过一个公式计算的 2:21 该公式使用所有节点的值和它们之间连接的强度 2:28 霍普菲尔德将搜索网络中保存的状态比作在一个由峰和谷组成的景观中滚动一个球 2:37 如果球被放在特定位置 2:40 它会滚到最近的山谷并停在那里 2:44 同样 2:44 如果网络被给予一个接近其中一个保存模式的模式 2:50 它会不断调整直到找到能量景观中的一个"山谷", 2:55 也就是最接近的存储模式 3:00 辛顿的贡献: 3:01 1985年 3:02 辛顿和他的同事发表了一种名为"玻尔兹曼机"的方法 3:08 这种方法利用了19世纪物理学家路德维希·玻尔兹曼的方程 3:14 用于计算系统中各种状态出现的概率 3:18 玻尔兹曼机可以学习 - 不是通过指令 3:23 而是通过给出例子 3:26 它通过更新网络连接中的值来进行训练 3:30 使得在训练时馈送到可见节点的示例模式在机器运行时具有最高的出现概率 3:38 训练后的玻尔兹曼机可以识别它以前没有见过的信息中的熟悉特征 3:45 在原始形式中 3:46 玻尔兹曼机效率相对较低 3:49 需要很长时间才能找到解决方案 3:52 辛顿继续探索各种方法来改进它 3:55 后来的版本通过移除一些单元之间的连接来简化网络结构 4:01 这反而使机器更加高效 4:04 2006年 4:05 辛顿和他的同事开发了一种使用一系列玻尔兹曼机进行层层预训练的方法 4:11 这种预训练为网络中的连接提供了更好的起点 4:16 优化了网络识别图像中元素的训练过程 4:20 这项工作被认为是深度学习复兴的关键因素之一 4:26 霍普菲尔德和辛顿的工作为20世纪80年代开始的人工神经网络革命奠定了基础 4:34 他们的研究为今天我们所看到的机器学习的爆炸性发展铺平了道路 4:41 现在 4:41 让我们来看看这项技术的一些应用: 4:46 1 4:46 图像识别: 4:48 计算机现在可以解释图像并识别其中的物体 4:52 2 4:52 语言翻译: 4:54 机器学习使得计算机能够在不同语言之间进行翻译 4:58 3 4:59 医疗诊断: 5:00 人工神经网络被用于分析医学图像 5:04 帮助医生更准确地诊断疾病 5:07 4 5:08 自动驾驶: 5:09 机器学习算法使得汽车能够识别道路、行人和其他车辆 5:16 5 5:16 推荐系统: 5:18 像Netflix这样的公司使用机器学习来推荐电影和电视节目 5:24 6 5:25 科学研究: 5:26 从发现希格斯玻色子到预测蛋白质结构 5:31 机器学习正在各个科学领域发挥重要作用 5:35 这些应用都建立在霍普菲尔德和辛顿的开创性工作之上 5:41 他们的研究不仅推动了计算机科学的发展 5:44 也为物理学、生物学等其他科学领域带来了新的工具和方法 5:51 值得一提的是 5:52 辛顿的很多杰出学生后来也成为了人工智能领域的领军人物 5:59 例如: 6:00 1 6:01 Yann LeCun:Facebook AI研究院主任 6:04 纽约大学教授,2018年图灵奖获得者 6:08 卷积神经网络的先驱 6:12 2 6:12 Ilya Sutskever: 6:14 OpenAI的联合创始人和首席科学家 6:18 在深度学习和强化学习方面有重要贡献 6:22 这些学生的成就进一步扩大了辛顿的学术影响力 6:27 推动了整个领域的发展 6:29 这次奖项 6:31 是首次颁发给了计算机科学领域 6:36 大家知道 6:38 诺贝尔奖传统上包括物理学、化学、生理学或医学、文学、和平 6:47 以及从1969年开始由瑞典中央银行设立的诺贝尔经济学奖 6:53 但这些奖项没有覆盖计算机科学这个领域 6:57 尽管如此 6:58 计算机科学的许多重大突破在其他奖项体系中得到了认可 7:04 最重要的计算机科学奖项是图灵奖 7:07 被誉为“计算机领域的诺贝尔奖”， 7:11 由美国计算机协会（ACM）颁发 7:13 专门表彰那些对计算机科学作出持久贡献的研究人员 7:18 自1966年设立以来 7:20 图灵奖已经颁发给了许多对现代计算机科学产生深远影响的科学家 7:30 当然 7:31 诺贝尔奖中也有涉及与计算机科学相关的研究被间接表彰的情况 7:37 例如 7:37 2012年物理学奖颁给了研究量子力学领域的科学家Serge Haroche和David J 7:44 Wineland 7:46 他们的研究对量子计算领域有重大影响 7:50 另一个例子是 7:51 1956年诺贝尔经济学奖得主约翰·纳什的博弈论研究 7:57 也对计算理论产生了重要影响 7:59 所以这次颁发给神经网络领域是首次诺奖直接设计计算机领域 8:08 而且Hinton也获得过2018年的图灵奖 8:14 为什么诺贝尔奖委员会选择颁奖给人工智能和机器学习这个当前最热门的技术领域: 8:23 1 8:23 科学影响力: 8:25 人工智能和机器学习已经对多个科学领域产生了深远影响 8:30 从物理学到生物学 8:32 从天文学到材料科学 8:34 它正在改变科学研究的方式 8:38 2 8:39 跨学科性质: 8:41 人工神经网络的发展体现了物理学、计算机科学、神经科学等多个学科的交叉融合 8:48 符合诺贝尔奖鼓励创新和跨界研究的精神 8:54 3 8:55 历史传承: 8:57 通过颁奖给霍普菲尔德和辛顿 9:00 诺贝尔委员会既肯定了这一领域的历史贡献 9:04 也强调了基础研究对技术革命的重要性 9:08 4 9:10 社会影响: 9:11 人工智能和机器学习正在深刻改变我们的生活和工作方式 9:17 诺贝尔奖委员会可能希望通过这一奖项 9:21 引起公众对这一重要技术的关注和讨论 9:26 5 9:27 推动伦理讨论: 9:29 随着AI技术的快速发展 9:31 相关的伦理问题也日益凸显 9:34 通过颁发这一奖项 9:36 诺贝尔委员会可能希望推动社会对AI伦理的深入思考和讨论 9:43 6 9:44 鼓励未来研究: 9:45 通过认可这一领域的开创性工作 9:49 诺贝尔奖委员会可能希望激励更多科学家投身于这一领域的研究 9:55 7 9:55 反映时代特征: 9:58 这一奖项反映了诺贝尔委员会对当代科技发展趋势的敏锐把握 10:05 8 10:06 物理学的扩展: 10:07 这一奖项体现了物理学边界的扩展 10:10 展示了物理学在解决复杂系统问题中的普适性 10:17 另一个值得注意的点是加拿大在人工智能研究中的重要地位 10:24 虽然主要的AI企业都在美国 10:27 但技术创造者确实加拿大人 10:31 辛顿的获奖某种程度上也是对加拿大在推动人工智能发展方面所做贡献的认可 10:37 事实上 10:38 人工智能三大巨头中的两位 - 辛顿和Yoshua Bengio - 都在加拿大工作 10:46 Yann LeCun虽然主要在美国工作 10:49 但他在蒙特利尔获得了博士学位 10:54 加拿大政府早认识到人工智能的重要性 10:57 投入大量资源支持相关研究 11:01 多伦多大学、蒙特利尔大学和艾伯塔大学成为了全球人工智能研究的重要中心 11:08 这种前瞻性的战略眼光和持续投入 11:11 为加拿大在人工智能领域赢得了重要地位 11:16 让我们以开放、谨慎而又充满希望的态度 11:21 迎接人工智能带来的挑战和机遇 11:25 谢谢大家的收看! 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 Share Download Thanks Clip 1 2 3 views Oct 8, 2024 Transcript Follow along using the transcript. Show transcript NewStoryTeller 5.67K subscribers Videos About 7:51 In 2023, the Nobel Prize in Physics had a dark horse, and attosecond research won for the first time by NewStoryTeller 4 Comments rongmaw lin Add a comment... @bestarny1423 7 hours ago 讲得很好，听了两遍。有幸生活在AI时代的初始之年，它的出现是人类文明史的重大突破 Reply @ztc106 6 hours ago 也許諾貝爾文學獎可以頒發給 chatGPT🤣🤣 1 Reply @bowen4505 5 hours ago 问题不在为什么ML科学家可以获奖，问题是在诺贝尔奖为什么不设立更多门类，导致这种争议性事件的发生 1 Reply @Integral_of_x_i_987 7 hours ago 物理奖都颁给计算机了😂😂这下跟化学奖扯平了 1 Reply