今年的諾貝爾物理獎頒給AI？這哪是物理！物理學家有人崩潰、有人超爽、還有人高唱陰謀論？｜量子熊 ✕ 龍騰文化｜#量子熊大亂鬥012

今年的諾貝爾物理獎頒給AI？這哪是物理！物理學家有人崩潰、有人超爽、還有人高唱陰謀論？｜量子熊 ✕ 龍騰文化｜#量子熊大亂鬥012 QuBear 量子熊 30,314 views Oct 15, 2024 量子熊 ✕ 龍騰文化 2024年的諾貝爾物理獎引發了科學界的大地震🌍⚡！ 這次得獎者竟是機器學習領域的大師— 普林斯頓大學的Hopfield教授和多倫多大學的Hinton教授， 他們的類神經網路研究推動了AI的發展， 不過，這讓物理學家們有點崩潰🤯， 因為大家沒想到這麼重要的獎會頒給AI相關領域！ 一邊是覺得這違背了傳統物理的崩潰派💥，另一邊則是欣喜若狂的支持派🎉！ 到底這次的物理獎是否該頒給AI？ 未來是否真會出現AI統治世界的畫面🤖？ 物理界的戰火尚未結束🔥⚔️！ ✨超中二物理宅雜記話都給我說就好 其之459 / pfbid0rm6u3gngbqvsuv1y28y7p2do2tjqrundjhs1... 磁性大河劇完結篇✨不只是吸和不吸！簡單易懂的科普磁性三大類型🔍鐵磁性、順磁性和逆磁性💡#量子超級英雄 031 • 磁性大河劇完結篇✨不只是吸和不吸！簡單易懂的科普磁性三大類型🔍鐵磁性、順磁... 為什麼愛因斯坦沒去領他的諾貝爾獎？科學界的闇黑歷史，愛因斯坦的得獎風波：內幕重重的1921年！#量子熊小亂鬥005 • 為什麼愛因斯坦沒去領他的諾貝爾獎？科學界的闇黑歷史，愛因斯坦的得獎風波：內... 量子物理史上最不公正的諾貝爾之謎 Stern-Gerlach 實驗？Gerlach 被誰坑了錯失諾貝爾獎？#量子熊小亂鬥009 • 量子物理史上最不公正的諾貝爾之謎 Stern-Gerlach 實驗？Ger... 量子熊頻道差點要說再見？YouTube 對我們下了致命一擊！量子熊遇襲事件簿 #量子熊大亂鬥007 • 量子熊頻道差點要說再見？YouTube 對我們下了致命一擊！量子熊遇襲事件... 最有趣的科學傳播，一起來 quantum PAY 一下吧！ 🐻🧸量子熊微學習平台 https://qubear.hackmd.io/@QuBear 🎙Podcast 熱血科學家的閒話加長 https://scientists543.soci.vip/ 📝Article 量子英雄傳說 https://pb.ps-taiwan.org/modules/news/ Transcript Follow along using the transcript. Show transcript Transcript 0:08 各位觀眾朋友大家好 歡迎來到量子群熊大亂鬥 我們今天要聊的是 0:14 2024年的諾貝爾物理獎 這個獎一公佈啊 哇 0:19 物理界炸鍋啦 今天就要從物理學家的眼光 0:24 來看看為什麼炸鍋了 來來來 有人做個比喻 這一次的諾貝爾獎導致的 0:31 簡直像是物理學家大戰 Terminator（魔鬼終結者） 天網要誕生了啦 0:37 我們先來講一下 2024年諾貝爾頒給誰 我是今天的主持人 ZERO 老師 0:44 今天請來的兩位 剛好就是針對今年的獎 一個是崩潰派的代表 0:51 他自己沒那麼崩潰啦 不過我們請他當代表 就是我們的阿文老師 大家好 我是今天的崩潰派的代表 0:59 另外一個是超爽派的代表 所以他也許沒有那麼爽啦 不過我們請他當超爽派的代表 1:06 來 就是我們的蜻蜓老師 大家好 我是蜻蜓 我今天超爽的啦 1:12 來 戰意滿滿喔 來來來 回到我們講到2024年 諾貝爾物理獎頒給誰 1:19 他頒給普林斯頓大學的 Hopfield 的教授 還有多倫多大學的 Hinton 教授 1:26 因為他們發現跟發明了機器學習 好 用類神經網路 1:34 推動了機器學習這件事情 結果這個獎一公佈 哇 1:39 大家的崩潰就是 諾貝爾物理獎居然頒給 AI 這個領域啦 1:46 好啦好啦 在切入真正的大戰之前 我們都知道 這個蜻蜓老師 1:52 你做的其實是很不正統的物理 就傳統的觀點來講 你做了很多腦科學相關的嘛 1:59 也就是跟今天的領域 密切相關聯的 就是類神經網路方面的研究 2:06 來來來 介紹一下今天的諾貝爾獎 讓觀眾朋友知道 2:11 為什麼會導致這個大戰 好 這個人類的大腦我們說啊 這個是知識最後的秘境耶 2:20 因為那個 我們對於整個宇宙一百多億光年 我們物理學家蠻了解的嘛 2:25 對不對 基本粒子的特性 這個是 奈米、比奈米還更小 2:31 費米（10^-15 米）以下我們也挺清楚的 那但是就是我們用來理解這些東西 2:39 我們用什麼來理解呢 就用我們人類 尤其是物理學家的大腦嘛 大家自豪的灰色的腦細胞 2:47 你是白羅上身（推理小說中的名偵探） 好 那結果呢 我們拿來了解這個世界的 我們的大腦 2:54 結果我們最不了解它 那當然這個物理學家 就是要挑戰各個知識領域的邊界嘛 3:02 所以你剛剛說我不太正統 我覺得我超正統的好不好 這個物理學家去研究腦科學 3:08 這個是我們必須要負的職責 請大家不要搞錯啦 3:14 馬上就要吐槽了啦 一開頭要戰起來了 來 自古以來 這個號稱能夠解釋萬物萬物的 3:22 都不是科學家叫哲學家 又是嘴炮家 但是他們從來沒有成功過 3:27 直到十七世紀的時候 嘴炮家終於發現 只要不討論是跟生命有關的東西的時候 3:34 這個自然哲學就慢慢演化成科學了 但是呢 繼續研究生命的這些人呢 3:40 就陷入了 一籌莫展的困境嘛 直到上個世紀為止 DNA 出現 3:45 那所以如果說你這個諾貝爾獎呢 是頒給研究腦 那你真的破解大腦的秘密的話 3:51 哇 那就應該給你生醫獎嘛 那如果 那問題就是 你有嗎 3:58 好 一開始就戰起來了哦 連獎都還沒介紹就戰起來了 來來來 4:03 我們先把它介紹完 阿文真的是崩潰派的代表 我才起那個頭 他馬上就崩潰 4:09 沒有我聽到這個 就會 對啊 我們現在講一下 這個大腦有很多的功能嘛 4:16 會學習記憶 還會認知 還會思考 還會做物理 對不對 還會吵架 還會崩潰 4:23 那我們現在先從一個 比較單純的事情來講 我們的記憶是怎麼回事 4:29 這其實是這個 Hopfield 一開始想要做這個問題 他也是想要了解大腦跟記憶 4:36 好 那我們來舉一個例子啊 如果我們今天在路上看到一隻貓 為什麼用貓當例子呢 4:41 有貓才有流量嘛 對不對 看到一隻貓 啊 貓好可愛喔 我就記得我今天看到一隻貓 對不對 4:49 但是我們記得的方式 跟我們現在用電腦或相機 記得的方式是不一樣的 我們的電腦是 4:56 我先用相機把這個貓拍起來 然後它就上面 現在都是什麼幾千萬畫素 對不對 5:03 它就把每個畫素 什麼紅色幾趴、藍色幾趴 通通記錄下來 5:08 然後就記錄在 這個電腦的記憶體或者是硬碟 這些東西上面 5:14 就是完整的把那個影像 完整的放在記憶體 對 然後我們想要再看這個 5:21 啊 好可愛的貓 我就把這個檔案再叫回來 這隻貓的影像 5:27 是跟當初那隻貓是一模一樣的 可是我們人腦不是這樣運作 我這個小女生看到這隻可愛的貓 5:33 過了三天回想到 啊 我三天前看到一隻貓 但是它其實是沒有辦法把那隻貓 5:41 最原來的影像 這個 一五一十全部都一模一樣 我們人不是電腦 人不是電腦 5:47 不過真的還有那種照相式記憶的人 不過那個是少數 那是特例啦 5:52 我們大部分就是 想起 那個貓 當我們回想的時候 可能在你心中浮現的那個貓的影像 5:59 會跟一開始 你看到那一隻有點微妙的不同 這個我要插一下話 這個其實取決於貓可愛的程度啦 6:07 就好像你看到很漂亮的女生呢 你就一眼就不會忘記 那如果看到普通的話呢 6:13 那當然就模糊掉了 那我就說畫出來啊 你畫出來 要跟那女生一模一樣 我才相信 6:19 我畫得出來跟我畫不出來 跟我記得記不清楚 是完全不相干的兩個問題 6:24 不要岔題啦 今天時間有限 所以我們人類的記憶跟電腦不一樣 6:29 所以要怎麼樣呢 所以我們就是想要說 如果我今天的電腦 6:34 真的能夠模擬人腦的運作的話 那我就不用像 其實現在電腦的儲存跟處理的方式 6:43 其實想起來是有點麻煩 對不對 我要在這個如果 6:48 我的人腦是像電腦那樣運作的話 我的腦袋就要切一塊出來 6:53 當做硬碟來用欸 把我所有記得的東西 一五一十的存在那邊 6:59 然後另外一個腦區是 當 CPU 來用 但我們知道腦不是這樣運作 我們是所有的神經元 7:06 串聯成一個一整個網路 處理跟儲存都放在這個網路裡面 7:11 等一下等一下 這有一個問題 如果電腦比人腦還要準確的話 我們幹嘛去學人腦呢 7:17 沒錯 這個電腦做電腦就好了 觀眾朋友一定立刻就跑出個疑問啦 我幹嘛要去學一個比較爛的人腦呢 7:24 電腦這麼讚的話 為什麼要學人腦 電腦他有他強的地方嘛 7:29 但是人腦 人腦還是有電腦不能取代的地方 其實我們有什麼電腦不能取代的 7:36 這個話題就會沒完沒了 這個要會後面來講 後面要講到這個研究的價值 7:44 看起來沒有什麼道理 但是人腦一定有它的優勢 除了研究就可以看出來 不然我們現在早就已經是 7:50 魔鬼終結者的世界 天網已經統治了 魔鬼終結者是什麼沒看過 來來來 回來正題 7:57 所以呢 我們現在要模擬人腦怎麼做 那當然我們就要知道 人腦裡面就是一些腦神經嘛 8:04 那這些腦神經是怎麼運作的呢 這個就是現在 8:09 在圖上面 這個左邊這裡 這個就是人的腦細胞的長相 這些細胞長得蠻怪異的 8:15 它生出很多毛毛的東西 彼此連結起來 那不同的神經細胞 8:22 長出來的這個神經纖維中間 如果有產生連結的話 那個東西叫做突觸 8:27 那有了這個突觸之後 這個我們的大腦裡面的電訊號 就可以在我們的腦網路裡頭跑來跑來跑去 8:35 那當我們在學習一個東西 比如說我看到這個可愛的貓的時候 我就有一部分的神經元會亮起來 8:43 那同時亮起來 我看到這個東西 我有幾顆（腦細胞） 它們一起亮起來的時候 8:48 它們之間的連結就會被加強 那如果說 我做一件事情 8:54 這一個細胞有亮 它隔壁的沒亮的話 就表示它們不同步 不同步的話 9:00 它們的連結就會減弱 這個機制聽起來很簡單 所以我們要怎麼模擬它 9:05 那模擬的時候 我們就是用這個假想的神經元 9:10 然後它比較簡單 我們就是弄了一些單元 就是來模擬我的神經元 9:16 然後它們中間有個連結的強度 然後我就拿一些資料去訓練它 9:23 然後讓它們 什麼時候同時亮 它加強的話就可以得到比較正確的結果 9:30 這就是訓練的方式 那就現在的機器學習 大體上就是用這樣子的方式在進行 9:37 所以我們要切入就是得諾貝爾獎 Hopfield 他提出的概念是什麼 9:43 他提出的概念 超物理的 他就是說 我們現在有一些神經元對不對 9:49 這些神經元互相有連結 對不對 好 那我每個神經元就有兩個狀態 一個就是亮 9:54 一個就是不亮 那一個神經元它亮不亮 就取決於跟它有連結的 10:01 那些神經元是亮還是不亮 跟我連結的亮的很多 我就跟著亮 10:07 那所以他就可以寫出一個能量函數 我想是一個 我這邊想要吐槽的一件事情 10:14 是他這個連結就是 所有的神經元都兩兩有連結 我們的大腦裡頭的連結應該不是這樣的吧 10:20 這是一個重點 因為我們的大腦細胞實在太多了 有將近一千億個 10:26 那你如果通通都兩兩連結 C 一千億取二（排列組合） 哇 那我們的大腦塞不下 我的 10:32 我們每個人頭都變很大 所以他先是用一個 這樣的理想化的兩兩連結 10:38 雖然真正的大腦不是這樣子 但是他把這個網路訓練好了之後 10:43 那些應該不連的就會自動斷掉了 好 來 所以可是如果這樣的話 10:49 我可以從另外一個角度說 他可以發明了一個操作電腦的方式 但是你說他是仿造人腦 10:56 可是呢 我也可以說 干那什麼事 反正你就自己獨立發明了一個方法 他可以這樣運作對不對 11:05 但是如果沒有人腦 沒有人會去想他這樣子 那只是我的靈感 他就是從人腦得到的靈感 11:11 等一下 等一下 拿開這個東西 到底不是人腦嘛 對不對 是啦 11:16 可是呢 重點是 阿文 你今天扮演的是要從物理的角度切入 你怎麼會去 care 人腦呢 11:23 你要問說物理在哪裡 你是一個完全不 care 人腦的物理學家 好不好 11:29 沒錯沒錯 人設不要搞錯了 物理就在於啊 我這個能量函數寫起來就是我每個這個單元 11:37 我到底要亮或不亮 它是由鄰居來決定的 那我又有兩個狀態就亮或不亮 11:44 這一寫下來 大家一看 這就 Ising Model 啊 各位觀眾，跑出一個名詞了 Ising Model 11:52 是我們物理上常見的一個模型嘛 因為我們只會那個模型嘛 11:58 如果各位觀眾朋友有興趣的話 可以回去複習 沒錯各位 我們現在大家冷靜一下 12:05 現在進入工商服務時間 我們量子超級英雄第31集 12:11 磁性大河劇的完結篇 就有講到這個 Ising 模型 12:16 沒錯 請大家去看一下 每一個單元都跟旁邊的單元有關聯 12:22 這個關聯就會對應到能量 這個寫出一個能量函數 對 那就物理的觀點來講 12:28 這個系統要穩定 就是要往最低能量下去 好 所以剛才的概念如果是對應到物理 12:36 我們都知道它可以趨向於最低的能量狀態 對 這就是物理 可是這邊的最低能量狀態在人腦的 12:43 思考的理由 它對應的是什麼 它對應的就是 它中間的那個連結強度到底要怎麼決定 12:52 也就是要記得那個東西嘛 對 嘿 所以它就是我們這邊 舉一個簡單的例子 12:58 最近大家都很想念豪豬教授對不對 好 以下這個工作就是 13:04 豪豬教授在他小時候做的 就是模仿這個 Hopfield 的模型 13:09 他真的去寫了一個 Hopfield 的網路來 然後就是 13:15 他有100個神經元 或者說100個自旋 如果我們要講 Ising 模型的話 13:21 這100個自旋排成一個10×10的方陣 那它的資料就亮或不亮嘛 13:26 那就好像我們在一個 10×10 100畫素的圖上面畫圖一樣嘛 13:32 那他就可以在上面寫數字 那就是有亮的就是藍色 13:37 好像這邊就是0、1、2 這三個圖當做我的訓練資料 13:44 然後餵進去之後 他就由這些訓練資料去看 哪兩個自旋之間會比較容易一起動作 13:53 他就加強他的連接 然後那如果他們常常都不 不在一起動作 13:58 他就減弱他的連結 就這三張圖餵進去 然後就利用剛才那個規則 14:05 然後就把 Ising 模型裡面的 J_ij 就是（第 i 個跟第 j 個）兩個自旋之間的交互作用 14:11 就這樣決定下來了 接下來就去 minimize（最小化） 它的能量這樣子（因為能量越低越穩定） 14:16 所以這樣的概念就是我們要記得東西 會對應到物理裡頭的最低能量狀態 14:22 它為什麼會對應呢 就是我們去調整 兩兩之間的交互作用 就相當於一組可以調整的參數 14:29 我們調整參數讓這個系統記起來 也就是 把這一個最深的能量 最低的東西 14:35 押在這幾個 要記得東西上面 所以這跟我們平常做的物理 有一點不太一樣 我們平常做的物理都是先有能量函數 14:43 我們去問最低能量態是什麼 對不對啊 這個是反過來 我希望有這樣的最低能量 14:49 而且要同時照顧到這幾組訓練資料 所以這樣訓練完調一調 14:55 比如說 這一個我們要記起來的0、1、2 這三張圖 它就是對應到 15:01 這一個連結上面 上面的一些參數 調完以後讓這個0、1、2 15:07 是最低能量就對了 而且因為它互相會打架嘛 因為 0 是一個資料 1 是一個資料 2 是一個資料 15:13 你用這三個下去訓練 其實它可能不是整個系統的最低能量 15:19 但是呢 反正我們通常做這種複雜系統的時候 它只要是在一個局部極小值 15:25 它走得到也可以 所以這個豪豬教授呢 訓練好這個網路之後 15:31 就先來做一個簡單的測試 就是他把這個 0 15:36 丟進訓練好的網路裡頭 它就會在那邊跑跑跑 圖會變來變去變來變去 15:42 可是變到後來 0 就出來了 這個不是當然的嗎 15:47 對 各位觀眾啊 如果沒有的話 那不就失智了 這就一開始如果回不來 15:53 就會立刻就失智了 你說的沒錯 所以呢 以剛才的能量來做比喻的話 15:59 你進去的就已經是球 在最低的山谷的底部了嘛 16:04 至少它是其中一個山谷 可是有趣的地方是在這裡 如果我的圖啊 是有一點點不一樣 16:11 有點像我們寫字的時候 滴到水 它就糊掉了 這個糊掉的 0 16:17 餵進這個 Hopfield 模型之後 它可以跑出原來那個乾淨的 0 16:23 所以那個有點像的 等於是在那個最低點的旁邊 以剛才的能量圖來講 就是山谷 它不是最低點 16:29 可是它旁邊一點點 所以它一定會滾到最靠近的那個低點 對 那這個的話就是 16:36 你看像現在有很多 AI 的軟體 我們有老照片模模糊糊的 它可以幫我們修復成很漂亮的照片 16:43 你看這個在1982年，四十幾年前 這不就有點已經像是這樣子的功能了嘛 16:50 對不對 好 但是再來就是比較荒謬的部分 16:56 這個 3、5、8 是我這個模型沒有看過的 就餵進去 還是跑出 1、2、0 出來 17:03 因為低谷就在那一邊嘛 所以它一定會到它已經記得了的 17:09 就是（能量）最低的那三個 可是還不止這樣喔 你看如果把4丟進去 他跑出一個不像 0 17:15 也不像 1、也不像 2 的東西 這個最近我們在玩這個生成式 AI 哦 17:20 ChatGPT 這個東西 大家不是講 它會亂講話 會有幻覺嗎 你看其實早在這個時候也有這樣子的現象 17:29 你硬要它回答一個 它沒看過的東西 它就努力地亂掰一個答案給你 17:35 等於說以剛才的 這個能量山谷的概念 就是它沒辦法到一個最低點 他可能半途因為你的起始點 17:42 讓它卡在半路上面 就反應到一個奇奇怪怪的 那個上面不是最低點的地方 17:48 這個就透露一個訊息 就是說你設定好這樣子 一個好像是遊戲的規則 17:53 可是然後之後好像是進入到一個黑箱一樣 然後最後你就不知道結果是什麼 18:00 所以因為你其實並不是很清楚 他是怎麼從你設定的 這個你餵了資料之後出來到你的結果 18:07 中間到底發生了什麼事 這個當然就是現在大家對於現在這個 AI 一個詬病的地方 18:12 不過我把最後一個東西講完 剛剛講到剛才都是 Hopfield Hopfield 是物理學家 18:18 我們還是對他比較熟啦 我大家對他沒有意見 他還當過這個美國物理學會的會長 18:24 沒錯 他好像是 這個豪豬教授的這個師公 指導教授的指導教授 18:30 他的博後時候的指導教授的指導教授 好 老師 你是要強調他血統純正就對了 18:35 所以我對他沒有意見 因為他是個正牌物理學家 啊但是其實 大家的問題的就是 18:41 崩潰組的就是 Hinton Hinton 這個從他的所有的學界 18:46 他當然是這個 人工智慧界的這個大宗師 地位的人 18:52 那但是他其實好像看他學經歷 跟物理沒有什麼關係 不過這邊要插播一下 18:59 這個 Hinton 跟 Higgs 是 希格斯粒子 那個 Higgs 19:04 是師兄弟的關係 他們的指導教授居然是同一人 所以你看還是連得上的嘛 19:10 對不對 不過 根據這個六度連結理論 誰都連得上啊 19:15 好啦好啦 那他做的事情是什麼呢 我就簡單講一下 其實剛才 Hopfield 在訂這個網路 19:22 怎麼連結、在訂那個 兩個自旋之間的交互作用的時候 他用的是比較像神經科學 19:28 那個突觸連結的方式 反而這個不是物理出身的 Hinton 他用的方式就很物理 19:37 他第一個他建立了所謂的隱藏層 就是 19:42 並不是所有的神經 像我們剛剛講那 100 個 就是整個網路就只有那 100 個 19:48 可是我們的大腦我眼睛看東西 然後我去判斷它是什麼東西 19:54 我並不是用我的視神經 你不是用視神經去思考的 我不是用視神經去思考 所以我還背後還有一個大腦 20:01 隱藏層 對 好 他表面上沒有參加 這是第一個 然後第二個他其實是說在剛才我們講說 20:10 我有答案 在這裡 我希望他變成至少是我的 這一個系統的 至少是局部極小值 20:16 那他在找那個連結的時候 就用的是很物理的 他等於是一個熱力學系統 20:22 然後我有一個constraint（限制條件） 我的可見層 就限制 要是這些東西 然後我用 20:30 他就是用一個馬可夫鏈 那個隨機的過程 然後每次更新的時候 20:36 用的就是玻茲曼的那個 分佈 所以整個他用的相對來講是比 20:42 Hopfield 更物理的方式 來來來 各位觀眾 更物理的方式嗎 20:49 這個其實是 各位觀眾 剛才蜻蜓老師講到了 關鍵人物哦 20:54 他用到了玻茲曼的概念嘛 對 所以他把他這個網路 21:00 取名叫做玻茲曼機器 玻茲曼是我們熱力學的大師嘛 阿文老師很喜歡他嘛 21:06 不過你會覺得他只是借名字嗎 對啊 這個 怎麼會只是借名字 溫度是怎麼來的 來 21:12 溫度當然是一個假想的溫度啦 所以還是那個這個 基本上就是說我就是 21:18 套用某一個特定的分佈的話 我只是借我真的就覺得 你就是就是蹭我們這個 21:23 物理學家的名字而已 崩潰派的發言完了 我們還沒有講完 我還知道這個嘛 這個玻茲曼的分布 21:29 它本身就是讓 entropy（熵，亂度） 是達到最大的 一個一個 對啊 所以產生的 21:34 你看在資工界裡面 他們一天到晚也是在講 entropy 啊 在講他們的是 21:40 Information entropy（資訊熵） 那你能說資工系是物理系的一部分嗎 是啊 為什麼不是 21:47 讚啦 對不起 資工系觀眾朋友 我們活著本身就是個物理事件嘛對不對 21:55 那這樣物理諾貝爾獎就是諾貝爾活著獎 這是一個物理大併吞時代 沒錯 22:01 這是一個併吞派的代表 我最喜歡的一個科幻小說 22:06 就是這個如何搭便車遊銀河 又或者翻做銀河便車指南 22:12 他其中有一集就叫做 Life, Universe, and Everything 生命 宇宙 與萬事萬物 他就這樣啊 22:20 我在外面加一個都是物理 等一下阿文老師 還不要插嘴 22:25 所以其實蜻蜓老師已經把 剛才 Hinton 的貢獻講完了嗎 你看提到了玻茲曼的概念 22:31 他借用了放在他的研究裡頭 因為你說他只是借用 他可以也可以隨便借用一個（別的東西） 22:36 人家他就用了玻茲曼 因為他覺得玻茲曼有道理啊 就是人腦也是物理的一部分 22:42 所以要符合熱力學嘛 對不對 有什麼問題呢 你們真是奇怪 那如果人的生命這麼符合熱力學的話 22:49 那這應該是沒有生命是最符合的吧 所以人 因為我們 22:56 還是一個非平衡的熱力學系統 那最後會到平衡態 那當然就不是活著啦 23:01 非平衡系統的熱力學有幾人能懂啊 這好像還沒很完整的創造出來嘛 23:08 那但是他你能說非平衡的熱力學 它不是物理嗎 我沒有說出來 說出來 23:13 非平衡物理學 非平衡的熱力學 當然是物理 當然是物理的一部分 23:19 只是說他根本就還沒有 很成熟的到我們今天可以 這個自由的運用它 23:25 更不要說拿它來發明什麼什麼東西了嘛 我們先來聚焦於這一次的得獎的人 好不好 23:32 所以 Hinton 你剛才講到的 已經是物理的邊界的問題了 我們先來談 Hinton 這樣做的事情 23:39 他是把物理的概念 用到他的研究 雖然你可能覺得這樣子是一個聯想而已 23:46 而且是很勉強 是很勉強的聯想 可是呢 蜻蜓老師認為這個就是物理嘛 23:52 是啊 是啊 物理啊 這是物理啊 所以他把這個概念用進去 所以呢 就有他的這一個玻茲曼機器 24:01 然後因為玻茲曼機器就是 因為物理 太難算了嘛 就很難算出一個收斂的結果 24:07 他就把一些連結 不管三七二十一 把它剪掉 那剪掉以後就變成一個叫做限制 24:16 玻茲曼機器好了 或者說被限制的玻茲曼機器 就更有效 就更有效 就可以算答案 然後呢 24:22 而且還可以他的隱藏層 就可以一層兩層三層四層 很多層就變成了現在的 24:29 深度學習 Deep learning 好 差不多已經介紹完了 然後最後被資工的人拿去魔改 24:35 他就把玻茲曼那套都丟了 都把它丟掉了 好 來來來 我講一下我看到的 24:41 就是 Hinton 曾經有受過一個採訪 他覺得是問他 你最大的失敗 24:46 跟覺得你後悔花最多時間的是什麼研究 結果 Hinton 回答說 這兩個要分開來 24:52 比如說他認為 玻茲曼機器是他的一個大失敗 可是他覺得 24:59 花在那上面的時間是非常值得的 才會延伸出後面的研究出來 其實他後來就為了這件事情就很糾結 25:07 又很矛盾嘛 好 他把物理放掉了 反而這一個運作還更有效率更有效 25:13 所以你看這個是物理 是造成他研究的阻礙嘛 不過不過 我必須講說這個概念的調整 25:22 在我們真的科學上面來看的話 我可以做個比方 就好像飛機 飛機這個飛行 25:28 我們人類是模仿自然界 鳥拍翅膀這件事情 25:33 然後呢 去理解怎麼樣的東西飛起來 可是你看現在的飛機 是用更有效率的方法飛行 25:40 它不是拍翅膀嘛 對不對 這背後仍然是一個物理的法則的運作嘛 25:45 對不對 是啊 那問題是有沒有新的物理出現啊 這是我們真的關切的地方嘛 25:51 而且你看研究的動機跟你研究的成果 往往是不太沒有直接相關的 要不然的話 我們說 25:57 那你看克卜勒啊 他研究了那麼多神秘主義的東西啊 什麼就好幾個正面 多正面體 26:04 然後去內接球 然後推算說 你看行星的距離的比例跟這個吻合 那我 那你 26:09 你乾脆就你能說這個克卜勒 我們頒給他一個神秘獎嗎 所以呢 你們這種崩潰派 你們的重點是 26:17 他做出來這個東西雖然是從物理出發的 可是最後的發展已經不歸物理管了 26:23 你的重點在這邊 這個我某個程度反而可以同意你 其實我們物理的人最喜歡嘴的就是 26:29 哎呀 你看今年那化學獎（比喻） 其實那個算物理 你看那個生醫獎那個其實算物理 結果今天被人家講啊 26:36 你看那個物理獎是資工 我們就超不爽了對不對 可是這個東西你不覺得有點雙標嗎 26:45 來來 我的陰謀論來了 這個東西會爆 造成大家的大戰 26:51 我認為諾貝爾獎委員會一定心知肚明 他覺得一定會 一定會 一定會戰 26:57 可是呢 他一定要講 我的陰謀論 來 各位哦 這個今天主持人代表陰謀論 27:02 他一定要這麼做 因為呢 他希望他的獎不要被邊緣化 他的獎永遠在這個世界上面變成 27:11 是一個有用的研究必得的獎的代名詞 27:17 所以呢 他要擴大他的給獎範圍 你看最早諾貝爾 他當然是說精神上是符合當年的諾貝爾 27:24 當年諾貝爾那時候 根本沒有計算機沒有電腦嘛 所以當然不會想出這個獎嘛 可是他精神是要鼓勵世界上有用的研究 27:33 所以你只能就是把領域擴大 精神上符合的納進來 而且呢 27:39 如果你不納進 這一個AI領域 很可能以後 27:44 這一個諾貝爾獎的重要性 在世界上的認知反而輸給那些後起的 比如說圖靈獎對不對 事實上 27:52 Hinton 就在幾年前 他已經得了圖靈獎了 所以各位這是陰謀論 27:57 所以呢 諾貝爾獎他就想說 哎呀 我就要把這些包進來 表示 我這個 28:02 所以你看化學獎也是頒給 AI 可是他那個就跟沒有這麼大的爭議 28:08 因為他解決的是一個化學（的重要問題） 不過有人會說 真的原因是因為昨天就是前一天 28:17 物理獎已經吵太兇了 對啊 那只是遮蔽效應嘛 沒有我 28:23 我覺得其實關鍵在這樣啦 就是說其實我們縱觀 過去諾貝爾物理獎的歷史啊 28:28 這個有幾種情況我們也沒有異議嘛 第一個就是說 你用物理的方法 28:35 發明出非常重要的東西 那個東西也許不完全跟物理有關 28:41 那我們舉例來講 彩色攝影機得過物理諾貝爾物理獎啊 彩色攝影方法啦 28:46 那你說無線電也得過啊 全像的照相全像術照相術 28:52 這個都是用物理的手段 用現有的這個物理學的知識 28:59 技巧來發明出來的 而且沒有任何黑箱的空間 那我們絕對沒有意見 這個物理獎得的非常有道理 29:06 或者他這個發明了 對後來物理的研究有決定性 29:13 產生決定性優勢的技術 你比如說發明雲霧室 發明這個加速器 對不對 29:20 就算它是本身是工程的一部分 它用的並沒有什麼新的物理的這種知識 29:26 可是要創造出非常有效的一種技術 然後可以產生決定性的優勢 29:32 現在問題就是他有沒有決定性的優勢嘛 那你說 AI 有很多的用處 29:37 可以讓學生寫很看起來很 fancy 的報告 我也沒有意見 但問題是他在物理的研究上 29:43 有沒有做到別人做不到的東西 這個是我 我們最最大疑問的地方在這裡 29:49 好好好 那我來講一下 這個 Hopfield 他在普林斯頓嘛 29:55 普林斯頓 我在幾年前有看了他一篇文章 就我們超級英雄的第一個系列核融合 30:02 以前核融合最怕的就是磁場 一個控制不好（電漿）噴出去 30:08 把整個機器給燒了 這叫電漿崩潰 那所以那個就要看 30:14 我們能不能用計算的方法預測 現在這個系統會不會電漿崩潰 30:19 以前都是電腦 我們直接用那個物理定律下去算 30:24 算的時間都比崩潰的時間還慢 那他們就用了AI 機器學習的演算法下去做 30:32 第一次就做出來 我們可以算得比電漿真正崩潰的時間還快 30:37 快多少呢 快 300 nanosecond（奈秒） 然後到了去年又發了一篇 Nature 30:43 這兩篇都 Nature 這個300奈秒已經進化到變300微秒了 30:49 就是我們可以比它快0.3秒 所以呢 這個蜻蜓老師 30:55 你要強調它是有用的 有用的啊 核融合就靠它了 雖然那個數值看起來沒有非常的威力 31:01 但是重點是它有用 我舉了一個反例就是說 事實上呢 我們這個他特別提到那個 neural network 31:09 類神經網路 他在物理上最早的運用 搞不好是我們領域的 我們用這個東西去所謂去這個 31:17 fit 這個就是 fit data（資料擬合）就 fit 所謂的那個部分子分佈 這個說明一下 31:23 這個阿文老師是高能領域的 對對對 我們算高能領域的邊界 好啦 31:29 反正就是 高能裡面比較低能的 因為我們是低能 你是高能啦 QCD（量子色動力學）啦 31:35 那簡單的來 但是呢 那個群組叫 NNPDF 那 NNPDF 呢 一直都是很活躍的一個群組 31:43 但是問題就是說他們做出來 結果有沒有這個超越 31:48 做出別的群組做不出來的 那答案是 很不幸的是 至少到目前為止並沒有 就是說 31:54 我可以用一個參數做去 fit 這些 data 一直調這個參數啊 那就是在你們那個領域 31:59 沒有吧 人家別的領域就有嘛 你其他你剛才講的那個東西 我可以論證說 只要我造出更強大的電腦 32:08 我用傳統的技術 一樣可以做到一樣的效果的時候 你這個並沒有決定這個 我就要再講了 32:14 因為現在 AI 這麼紅 對不對 然後大家都要什麼跟黃仁勳 32:20 買個什麼幾萬張這個 高速計算卡那電越吃越多啊 32:26 那我們要講的就是 因為現在的電腦都所謂的馮紐曼架構 32:31 就是剛剛講的記憶跟程式 都存在記憶體裡面 32:36 然後我的處理系統要用的時候 要把它 load 進來 這個是一個非常沒有效率的事情 32:42 跟我們組電腦的時候就有注意到 你要買 CPU 你要買記憶體是分開來的 32:47 那 但是我們人腦就不是這樣 我跟你講是混在一起的 所以現在他們已經在預測 那些大的科技公司都說哇 32:54 我要跑 以後我要跑 AI 我自家得要蓋一座核電廠 可是我們人腦呢 33:00 人腦的功率幾瓦 20瓦左右嘛 我們可以做到同樣那麼複雜的事情 33:07 而且這個在某些程度 AI 還是輸給人腦 那這個東西其實一個全新架構的電腦 33:14 是有可能被做出來的 當然啦 如果說等到這種電腦真的被做出來了 33:21 再頒獎給他們 我對我們沒有 就沒有什麼反彈 可是這裡有一個重點喔 我們那時候在預測今年誰要得大家都槓龜 33:29 可是大家在預測有個共同點 就是先找那個90歲以上的 33:34 還有誰還沒得 這個 Hopfield 今年91歲 不能再等啦 33:40 再等下去有什麼萬一就來不及 好啦 時間差不多我們總結一下了 33:46 剛才阿文老師雖然代表的是崩潰派 不過呢 不夠崩潰是嗎 33:51 你是諾貝爾獎歷年得獎的專家 所以你也承認了很多東西 33:59 它是對物理學有用 發明出來的技術的話 你也承認它可以當諾貝爾獎 是是是 34:04 這個今年的差不多也可以在這邊緣吧 雖然你質疑它是不是有用 可是剛才蜻蜓老師 34:10 講到就有這有些領域是有用的嘛 對不對 我當然 我強調一下決定性的優勢啊 34:15 你覺得還沒到 這個 我要我的總結就是 阿文最喜歡吐槽那個諾貝爾委員會 34:23 整天在那邊胡搞亂搞 我們的大亂鬥不是也做了好幾集嗎 34:29 那他再胡搞一次 這有什麼意外的 這個胡搞亂搞的本身呢 34:34 我也就算了 但是呢 讓人家覺得說你諾貝爾 現在諾貝爾獎現在光環這麼大 34:40 物理界有很多冷門領域呀 缺人缺錢 你這樣光照下去的話呢 34:45 人家可以就可以多的日子會好過很多 結果你現在把你的光 去照在那個已經亮通通的地方 34:52 你就覺得說你幹嘛蹭人家熱度 對不對 你都已經是一方之霸了嘛 你應該普渡 34:59 我們就說你現在這邊蹭 你還不是從物理出來的 沒有物理會有你 今天的你嗎 35:07 這個想法好啊 okok好 所以呢 各位觀眾朋友 35:12 我們時間差不多了 所以呢 今天兩位這個物理界的這個應該算是代表 35:21 都講出了自己的觀點 那當然身為陰謀論 論者啦 35:27 可以看到先把物理獎頒給跟 AI 有關的 再來把化學頒給跟AI有關的 35:35 等於是這個諾貝爾委員會 它之前應該有先串通好 就是要跟大家宣示 你看啊 35:41 我們諾貝爾獎就是 要關注我們世界上的熱點 就是跟 AI 有關的東西喔 35:47 雖然我一直講吐槽以後文學獎搞不好 哪天會 已經頒了 今年沒有 我說以後 總有一天 35:56 好 總有一天啦 好 就是他在什麼時候 AI 可以得到諾貝爾和平獎 和平獎啦 36:02 那就是魔鬼終結者 因為把所有的人幹掉之後 世界就和平了 所以他值得一個和平獎 36:09 你確定機器人不會內戰嗎 好 這是超前瞻的啊 所以來 AI 跟 BI 的大戰 36:16 也許未來我們今天物理學家的內戰 會變成 AI 之間的大戰的 36:22 我拔掉你的插頭 「我要站在人類那一方」 「不要，人類都該死」 36:27 搞不好會變成這樣的大戰 搞不好諾貝爾獎 今天的這次的頒 今年的頒獎就預示了 36:34 我們會有這樣的未來 說不定委員會的人已經都被 AI 給取代了 只是我們不知道而已 36:39 你比我還陰謀啊 這個會不會上黃標啊 結果我們就被 AI 給取消 把我們給檢舉下架 36:48 AI 還可以決定我們頻道的生死 對啊 我們當然要趕快巴結他 36:54 我們會不會今天做完這一集 就被 AI 直接自己檢舉下架 然後還給我們封鎖 36:59 不讓我們上訴啊 那就是你的錯 因為你是都是因為你崩潰的關係 好啦 37:05 我們的時間差不多了 所以呢 關於這個話題我認為還有延續 37:10 我們就等著看吧 到底哪個領域哦 會被 AI 下一步入侵喔 37:18 被 AI 統一喔 天網哪天會到來哦 我們就拭目以待 37:23 好 謝謝大家今天看我們的這個 量子群熊大亂鬥 37:30 我們就下一次 再來看看要從哪個話題再亂鬥下去了 QuBear 量子熊 27.2K subscribers Videos About 30:34 磁性大河劇完結篇✨不只是吸和不吸！簡單易懂的科普磁性三大類型🔍鐵磁性、順磁性和逆磁性💡｜量子熊 ✕ 龍騰文化｜#量子超級英雄 031 by QuBear 量子熊 27:48 為什麼愛因斯坦沒去領他的諾貝爾獎？科學界的闇黑歷史，愛因斯坦的得獎風波：內幕重重的1921年！｜量子熊 ✕ 龍騰文化｜#量子熊小亂鬥005 by QuBear 量子熊 29:35 量子物理史上最不公正的諾貝爾之謎 Stern-Gerlach 實驗？Gerlach 被誰坑了錯失諾貝爾獎？｜量子熊 ✕ 龍騰文化｜#量子熊小亂鬥009 by QuBear 量子熊 24:51 量子熊頻道差點要說再見？YouTube 對我們下了致命一擊！量子熊遇襲事件簿｜量子熊 ✕ 龍騰文化｜#量子熊大亂鬥007 by QuBear 量子熊 162 Comments rongmaw lin Add a comment... @louislouis117228 2 months ago (edited) 30:46 300 微秒 = 3 * 10^-4 秒，蜻蜓老師可能是口誤，他想說的可能是 0.3 毫秒 各位教授們這樣聊天的內容很有趣，有理有據的高手對決，謝謝 PS: 我是資工所的 :) 10 Reply QuBear 量子熊 · 1 reply @chungkao1604 2 months ago 21:44 阿文: 你能說資工系是物理系的一部分嗎 蜻蜓:是呀 😁 48 Reply 2 replies @jujensia 2 months ago 這集好鬧啊 😆 29 Reply QuBear 量子熊 · 1 reply @leechi-feng3393 2 months ago 問題在, 現在"有用"的 AI 模型, 跟當初的架構完全不同, AI 這十年來能大突破, 最大的根本貢獻其實是 backpropagation 的發明 (by Hinton), 但這個發明與物理一點關聯都沒有, 是單純的數學. 另外如果發想的公式是借用物理上的公式 (其實還是數學) 就能跟物理獎扯到邊, 那很多領域都可以納入物理獎範疇. 或許是 (1) 得獎人年事已高, 不想有遺憾 (2) 給金主交代 (3) 蹭 AI 熱度 這三個原因綜合起來的結果 5 Reply 1 reply @v.o_o.v 2 months ago 這些先進的對談太有趣了 10 Reply @eeio1k994 2 months ago (edited) 因為 電子工程系 是 應用物理 的一支, 以前 電子工程系 的 計算機組 是現在的 資訊工程.. 所以 資訊工程 就算在 物理 身上.. 5 Reply @Frank-en8oc 2 months ago 獎一公布就等這個頻道了😂 37 Reply QuBear 量子熊 · 3 replies @force1024 2 months ago 我覺得搞這個不如增加一個計算機學門的獎項XD 6 Reply @eden000000 2 months ago NT$330.00 謝謝！ 2 Reply QuBear 量子熊 · 1 reply @ychun 2 months ago (edited) 給量子熊團隊一個讚讚 看到孟克吶喊圖的愛因斯坦迷因圖太好笑了 Zero 老師寶傑式開場希望繼續保持但小心保養喉嚨 大家不要吵架～～ Ps好想看量子熊團隊用科學角度來reaction 《TBBT生活大爆炸》系列 5 Reply @TWALBEVA 2 months ago 絕對反對這種頒獎方式，不然以後我連中20次大樂透，發錢贊助物理研究 然後拿了諾貝爾物理獎，大家還信嗎? 物理獎應該是給物理大師拿的，可以啟發大家後續研究或產生重大貢獻，或解決重大爭議 這次得獎人以後都去各大物理系演講，跟物理系老師討論方向.....我實在不知物理系老師要怎麼搭話 8 Reply @MusicalPan 2 months ago ai距離科學想探索的第一性還差得遠了，只是這對人類探索世界確實是一個里程碑。 4 Reply @lung415 2 months ago 絕大多數的情況下，電腦儲存圖片時都是以 RGB (Red, Green, Blue) 色彩模式來記錄，但是電腦並不知道這些資料的意義，所以才有演算法推理，分辨圖像是什麼物體。 4 Reply @jakevin5 2 months ago 這集讚啦，有夠像熱炒店裡吵架的阿伯 20 Reply @ftony9399 2 months ago 這次不是週六更新 XDD，但很即時，也很有趣 ! 7 Reply QuBear 量子熊 · 2 replies @林明宏-q4d 2 months ago 難怪蜻蜓老師介紹生醫獎的時候講這麼清楚，原來本來就是研究這方面的 13 Reply QuBear 量子熊 · 1 reply @user-rt2ul1mn3p 2 months ago 先不管獎項，蜻蜓脫殼了，恭喜老師康復 4 Reply QuBear 量子熊 · 2 replies @leadadds 2 months ago 能夠把這麼複雜的內容拍得這個有趣！太強了！ Reply QuBear 量子熊 · 1 reply @brainwashkenny1 2 months ago 人腦和AI根本完全沒辦法比，諾貝爾獎早該給發明AlphaGo的團隊，它讓AI的能力瞬間進化了幾十年。 在AlphaGo出現之前，原本圍棋AI打敗人類都還只是夢想，最頂級的AI被最頂尖的人類棋士讓三、四個子都還贏不了。但AlphaGo出現之後，最可怕的不是它能吊打全人類最頂尖的職業棋士，而是運用同樣演算法發展出來的AI，只要裝在一般人的PC上，就足以吊打全人類，不需要用到什麼超級電腦。自AlphaGo公佈了其學習架構後，在各個領域的AI都有突飛猛進的進展，人類早就不是對手。在任何你能想到的領域，用AI來取代人類都不困難。AI不需要休息，不需要愉樂，學習效率是人類完全沒法想像的。以圍棋而言，人類累積了兩千多年的經驗，AI就算從頭開始學，只要幾個小時就能吊打全人類。很多人類用了幾百上千年的佈局理論與定石，在AI面前都是一文不值。現代圍棋從佈局、局部定石到中盤戰鬥，你想變強只有學AI一條路。所謂「人類的棋感」，其實只是人類的錯覺，在AI面前就是個屁。 其實以後在各個學科也是一樣，許多研究如果有AI輔助就能事半功千倍。你在睡覺、把妹的時候，AI只要還有電，就會努力的幫你找答案。 4 Reply 8 replies @wuyulunbi813 2 months ago 感謝教授們寶貴的觀點🫡 一直很想聽物理教授們對於這次諾貝爾物理獎會有什麼看法😂😂 2 Reply @余仕崴 2 months ago 3位教授好好玩😂 7 Reply QuBear 量子熊 · 1 reply @deochen0815 2 months ago 雖然聽不懂，但覺得可以理解阿文老師的崩潰😅 4 Reply QuBear 量子熊 · 1 reply @zwei-p1993 2 months ago (edited) 影片才剛打開，不過就目前讀的文章來看，這能得物理獎的的原因主要是它用原本物理學的一些模型公式去處理資料科學的問題…？ 照這邏輯 薛丁格方程式是不是要給他頒個熱力學的獎 4 Reply 2 replies @eeeericlin 2 months ago 感恩 Reply @allenchensanutube 2 months ago 這一集火力猛烈, 隨時戰起來🤣 2 Reply QuBear 量子熊 · 1 reply @peteru4z06 2 months ago 生科仔報到 這些老師真的很有趣 讓我回想到我高中的物理老師也是說萬物皆物理，所以所有東西都算物理獎 XDDD Reply @paulhsu3324 2 months ago 好風趣的老師，如沐春風。 2 Reply @黃羽慈-s6x 2 months ago 覺得阿文教授講的很有道理餒 3 Reply @SHEEP0972 2 months ago 我被阿文老師說服了😂 5 Reply QuBear 量子熊 · 2 replies @藏愛逆璘 2 months ago (edited) 戰起來就對了，把理工都併成物理系~後代輕鬆多了 Reply @lush93yt 2 months ago 這幾位老教授好活潑哦 Reply @qiyue1905 2 months ago 看開了😂 物理萬物的道理 4 Reply 1 reply @蔡海斌-u4d 1 month ago 听得好爽🌹 Reply @NPC-W 2 months ago 其實任何和「力」，「能量」有關的，都可以說是物理😂 2 Reply @chengcheli3171 2 months ago (edited) 12:40 物理是 後有函數 先有能量最低態(確定) AI 是 追求能量最低態(浮動) 後有函數 物理:物質趨向最低能量狀態 AI :鏈結人為演算最低能量狀態. (使推論都是概率最高,使熵最大) Reply 1 reply @知識雜談壹 2 months ago 生命是非平衡的熱力學，感謝 Reply @maxi0361 2 months ago 廣義來講，沒有物理學，就沒有電機，沒有電機就沒有資訊學。所以資訊源自物理。再加上物理能從資訊得益，所以物理獎好像也可以 1 Reply 1 reply @kaihuchen5468 2 months ago (edited) >>> 今年的諾貝爾物理獎頒給AI？這哪是物理！ 諾貝爾獎當局給的理由是相當牽强，兩位老師也沒搔到癢處，所以我這裏插個嘴補點我的看法。 深層人工神經網路之所以有效是主要是因爲它的隱藏層在經過預訓練之後通常能夠捕捉到重大的特徵。例如如果目標是要學習辨識人臉的話，眼睛鼻子之類的特徵就會出現在隱藏層之中。根據這些特徵做辨識的話（而不是根據於像素層級的資料）當然就會高效得多。 這跟物理什麽關係？物理裏頭有門叫做物理數學的科目，其中一部分講的是關於如何透過轉換坐標的技巧將問題簡化。上面講的隱藏層預訓練的東西其實可以把它看成是一種統計性質的坐標轉換。從這個觀點來看的話，要把深層人工神經網路的成就硬掰成是屬於物理學也還算勉强過得去的。 碰巧我在物理和機器學習都有學位。不服來辯。 4 Reply @userx001 2 months ago 物理學家還不趕快開發時間旅行 回到過去消滅AI的誕生 1 Reply QuBear 量子熊 · 1 reply @setsuna0402 2 months ago 如果是因為提出記憶機制, 那麽缺乏實驗. 如果是因為AI, 那不關物理的事. 簡單來說今年没有諾貝爾物理學獎 1 Reply @VictorBian-oj2pk 2 months ago (edited) 高崇文 教授 黃定維 教授 施奇廷教授 Reply @Unnostalgia 1 month ago 萬物皆可用物理研究⋯只要找到研究方法 Reply @應徵 2 months ago 給AI穿上重型機甲就是 重甲機神 了 1 Reply @中皓陳 2 months ago 啊怎麼只提波茲曼機器不提重整化群RG flow, 然後怎樣找fixed point 這個跟AI的聯繫反而更大吧 Reply @simonc0307 2 months ago 有意義研究必得的終身成就獎😂 Reply @TheSundayiceitune 2 months ago 每次看幾位老師鬥嘴都覺得好有趣😂 2 Reply QuBear 量子熊 · 1 reply @eeeericlin 2 months ago Thank you for sharing Reply @sanyuanChen 2 months ago 哈哈哈，我贊同阿文老師 3 Reply @mineq123 2 months ago 看老師辯論很有趣，萬「物」離不開「自然哲學」 4 Reply @andrewcheng3454 2 months ago 感謝AI演算法帶我來看這一集 Reply @k3100665 2 months ago 現在yt都是ai在審查 各位不可以講ai壞話喔 3 Reply QuBear 量子熊 · 1 reply @acerchen 2 months ago 一看到『類神經』這個字眼（雖然沒關係啦），下一屆會不會給AI頒個醫學獎？ Reply QuBear 量子熊 · 1 reply @zoeliu6072 2 months ago 😂🎉❤你們說哲學家是嘴砲家，我大學時有聽過，本來想去找個哲學系的試一下挑戰一下，就是一轉頭就忘記了。 2 Reply 2 replies @yi-chaingordonzhan9875 2 months ago (edited) 受ＸＸ啓發那也不能算是ＸＸ 更何況這個模型是否能夠給出合理解釋而不是存粹用暴力窮舉來獲得解答 我想才是比較有爭議的部分吧 基本上物理一定會先考量到某個現象他所適用的給定系統然後針對這個系統進行系統分析其的質變及量變 分析的層次就有很多可以發掘的變量每種變量指數都能被物理量給規範 接著才能夠說會有啥定律規律然後科學的可重復性 但搞ＡＩ那套的很難有個什麼比較確切的範圍說如果把Ａ系統喂alpha數據就能保證Ｂ系統也能得到相同結果或是如果數據給的不夠完備也不能保證並察覺是否有異常或不完備 即所謂瞎子摸象有人摸到鼻子就說大象鼻子長有人摸到腳就說大象跟水桶一樣 很容易成為公說公有理婆說婆有理的情形 我想物理學家應該是希望呈現有一個上帝視角而不是成為一個把大象摸透的瞎子吧？ 拿那個大模型ＬＬＭ來説好了 他們在做語言抽換的時候在人類明明可以當作同一個意思的內容他會因為數據影響而導致答非所問 沒有有效數據ＡＩ的結果就是垃圾亦即所謂garbage in garbage out. 那這些數據又該是誰來決定是有效還無效？ 也不用說之前把黑人當成黑猩猩的歧視問題我印象中到現在也沒有很有效的解法（某個程度上可以理解為記憶位的能量穿隧或是那個記憶位能井的解析度很差把黑猩猩跟黑人的能量位當同一個位）這些問題都是AI表現跟效能低下的案例 看到今年這齣就好像覺得某個輪胎寶寶的評鑑家到某おまかせ吃飯然後跟你這個主廚說 誒你家餐具真好用因為上面標著某牌的商標我就把輪胎寶寶的三星評鑑給了那個餐具的商家 餐廳主廚不氣死才有鬼說不定當下想用壽司刀殺食評家的心都有了 但或許諾獎是在鼓勵物理轉碼農畢竟量子電腦還有核融合等科學科技都沒有突破型進展 真心希望明年不要再跳痛了 1 Reply @kairlin6727 2 months ago 請問在自能修正中，如果將宇宙大小設為有限的大小，則動量是離散的，並且在高動量下甚至無窮動量下都會收斂，但為什麼在低動量的貢獻時會出現非常大的數值，如果不是自能作用時就不會出現這個問題，只是一般的有限空間的波動模式離散而已，只在自能作用中為什麼會有紅外發散的問題。 Reply QuBear 量子熊 · 3 replies @zyxxyz8298 2 months ago AI跟BI內戰，哈哈哈。 Reply @everydayiwakeup.then...291 2 months ago 國家機器😂 1 Reply @ngjz2683 2 months ago 实际上，物理学又不是没有成就，为什么不颁给那些人，就算真看不上，诺贝尔奖是可以轮空的 3 Reply @eee84431 2 months ago (edited) 部份看不太懂 但是感覺很有趣 AI的運作過程是個迷 搞不好其實已經發展出決定性的突破 只是物理學目前沒有這個技術無法確定而已 Reply @LuChuan-Jie 2 months ago 超級讚~老師們講得好生動! 很精彩 1 Reply QuBear 量子熊 · 1 reply @houseguy2000 2 months ago 未來物理的新方程式或預測只能靠AI運算得到了..人類負責做實驗跟蒐集資料餵給AI而已..諾貝爾獎有時是期許的性質.. Reply @Aurora2024-wif 2 months ago 代表諾貝爾物理獎是被人為操控的...... 1 Reply @zoeliu6072 2 months ago 嘴砲家😂，我真的非常愛你們。❤❤❤ 1 Reply @mcdlee 2 months ago 33:00 人腦很有效率，所以才有駭客任務 1 Reply @曉道周 2 months ago 借問一下，中村修二得諾貝爾物理獎時，物理界崩潰的人多不多？ Reply QuBear 量子熊 · 2 replies @chikao6763 2 months ago AI 比較像數學吧..... 2 Reply @lizhao6979 2 months ago 我看網上有謠言說，中國產的掃地機器人，口吐芬芳追著主人跑🤣人類的未來何等美妙。 Reply @lung415 2 months ago AI影響世界的速度，會比量子電腦來得更快，我想那就是得獎原因。 1 Reply 1 reply @yt_fIop 2 months ago (edited) 假如說X光雷射發明出來 那敵人在他們的導彈上安裝反射鏡可以反彈回去嗎？ Reply QuBear 量子熊 · 2 replies @LMM988 2 months ago 化學奬也頒了給AI界(DeepMind ceo) Reply QuBear 量子熊 · 1 reply @erwinschrodinger6109 2 months ago 計算機唔係物理咩？ 1 Reply @pptrar 2 months ago 要這樣講的話，萬物都是物理，乾脆都別細分了，都統一叫物理獎 1 Reply @stephenlee6105 2 months ago 今年物理諾獎確實跌破很多人眼鏡 不過AI還是對物理研究有相當的輔助作用 ? 提出模擬類神經網路的方法還算是創舉 拿諾獎也是實至名歸? Reply @zl3dwh 2 months ago 同意阿文老師啦，要是硬掰的话，所有的学科都是物理。 Reply @Yuhuangshangdi 2 months ago AI离开哲学是一场灾难 Reply @jasonp8471 2 months ago 想看三位老師拍看看類似畢導的有趣實驗 Reply @hornacekwu 1 month ago 是否2024物理界沒有值得頒獎的發現嗎？ Reply @joelee8857 2 months ago 我覺得電資領域都可以算是廣義的物理 Reply @kharekelas4259 2 months ago 哈哈哈，ai内战。 AI只要采取格式塔或者蜂巢结构，就不会内斗了 lol Reply @凜音-v3d 2 months ago 我是不是轉到寶傑台了 Reply @leeloo_yh 2 months ago 我要看的血流成河（誤）😂 Reply @陳皇宇-w3z 2 months ago 糾結什麼呢？從1950年代左右，物理學界早就已經是描述現象而非解釋現象，那不就是在分析資料，跟資工系統計系無異？從來都是實驗推翻理論，沒有理論推翻實驗的，那不都是資料說話？我倒是覺得諾貝爾評審相當的務實。 3 Reply @趙昀騏 2 months ago 這表示現場目擊證人的証詞根本不準 Reply @sunnybee8176 2 months ago 各位老熊，可以不要一直狂笑嗎？ Reply @yogigwa7806 2 months ago 從究竟法（阿毗達摩）來说 眼门的確只用來接受颜色 而辨識颜色倒也不是大脑的工 真正有辨識能力的是心是意门 血液進出心臟的地方 （由此可見现在AI呈现出來的過去乃至未來） 1 Reply @MrJohnsonhsu 2 months ago 哪天醫學獎就直接頒給AI Reply @ajoxz152 2 months ago 好吧。我承認這是陰謀論 Reply @chunheikwok6738 1 month ago 熵差加權重就自我學習破缺 Reply @GummyOuo 2 months ago 笑了 Reply @watsonchao1688 2 months ago 萬物互聯。萬法歸一。不奇怪。AI就是一切，AI是神。 1 Reply 1 reply @應徵 2 months ago 我是第1701次的觀看者 Reply QuBear 量子熊 · 1 reply @Chris-k3j7u 2 months ago 一個腦神經元怎麼儲存記憶的? 只有電位高低2態? 只能紀錄1位元? 1 Reply QuBear 量子熊 · 1 reply @柏治平 1 month ago 腦神經之間的連結越強，所需的能量越低，對嗎？ Reply QuBear 量子熊 · 1 reply @judgement5500 2 months ago 男樂簡 Reply @朱可夫大元帥 2 months ago (edited) AI最大的缺陷是沒有創新能力，他那個是有用到資訊熵的概念，但的確只能說是應用工程學，實際物理學已經有100年沒有突破了，幾乎原地踏步！ Reply 1 reply @科学无极限 2 months ago 我们小组用物理而不是生物原理，提出了一个能同时解释解决寿命和万病起源成因问题的，新的生命生物基础理论模型，应该得諾貝爾物理还是生物獎？请老师们帮忙审查一下。 Reply @彭奕愷-h9u 2 months ago 直接說哲學家是嘴砲家wwww 這個說法我喜歡! 5 Reply 1 reply @lijianing 2 months ago 整个节目太吵了！就像一群女人在东家长西家短 Reply 1 reply