推动AI发展　两科学家分享物理诺奖

　　中评社北京10月9日电／据大公报消息，当地时间8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予美国普林斯顿大学教授约翰.霍普菲尔德和加拿大多伦多大学教授杰弗里.欣顿，以表彰他们“为推动利用人工神经网络进行机器学习作出的基础性发现和发明”。他们创建的人工神经网络为包括ChatGPT在内的机器学习奠定了基础，推动人工智能（AI）发展。欣顿8日表示，获得诺奖完全出乎他的意料。他指出，相关技术对社会产生巨大影响，但也要警惕潜在风险。

　　【大公报讯】霍普菲尔德和欣顿将平分1100万瑞典克朗（约827万港元）奖金。诺奖官网介绍，霍普菲尔德1933年出生在美国伊利诺伊州芝加哥，1958年获得康奈尔大学博士学位，现任普林斯顿大学教授。欣顿1947年出生在英国伦敦，1978年获得英国爱丁堡大学博士学位，现任多伦多大学教授。

　　诺贝尔物理学委员会主席穆恩斯说，两名获奖者利用统计物理的基本概念设计了人工神经网络，构建了机器学习的基础。相关技术已被用于推动多个领域的研究，包括粒子物理、材料科学和天体物理等，也已用于日常生活中的人脸识别和语言翻译等。她同时警告说，机器学习的快速发展也引发了人们对未来的担忧，人类有责任以安全且道德的方式使用这项新技术。

　　人工神经网络受大脑结构启发

　　评奖委员会在8日发布的新闻通报中表示：“当我们谈论人工智能时，通常是指使用人工神经网络的机器学习技术。这项技术最初受到大脑结构的启发，在人工神经网络中，大脑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，如同‘突触’，可以增强或减弱，网络由此得到训练。今年的获奖者从20世纪80年代开始，就在人工神经网络方面开展重要工作”。

　　霍普菲尔德早年探索分子生物学的理论问题，后来受邀参加一次神经科学会议时接触到对大脑结构的研究，对此非常感兴趣，并开始思考简单神经网络的动态。他创建了名为“霍普菲尔德网络”的人工神经网络，可以储存和重构图像，以及其他类型的数据模式。向其中输入不完整或扭曲的图像，该网络能够找到最接近该不完美图像的已储存图像。欣顿在“霍普菲尔德网络”的基础上创建了一种新网络“玻尔兹曼机”。这种网络从给定的例子中学习，能够对图像进行分类，或者为其训练时使用的模式类型创建新的范例。 　　上世纪90年代，很多研究人员对人工神经网络失去了兴趣，但欣顿继续在该领域探索，为机器学习的爆炸式发展作出贡献。2018年，他与本吉奥和杨立昆一同被授予图灵奖。如今的人工神经网络通常由更多层组成，被称为深度神经网络，它们的训练方式被称为深度学习。在该领域作出巨大贡献的欣顿被誉为“AI教父”、“深度学习之父”和“神经网络之父”。

　　欣顿在廉价旅馆收到喜讯

　　欣顿8日在电话中表示，获奖喜讯完全出乎他的意料。他说，自己身处加州一间廉价旅馆，“我今天原本打算去做磁力共振扫描（MRI），但现在我认为应该取消这项计划”。被问到最喜欢哪种AI工具时，欣顿说自己是ChatGPT的忠实用户，但同时坦言对技术失控风险感到担忧。他说，不后悔进行了这些研究，但担心“比我们更智能的系统将最终控制一切”。

　　今年物理学诺奖的结果令很多人感到意外。诺贝尔物理学委员会秘书丹尼尔松表示，该奖项可以授予理论上、实验上或者观测上的发现，也可以授予发明，今年的获奖成果从某种意义上讲也是一种发明，一种能以多种方式应用的发明。

　　（综合报导） 　　中评社北京10月9日电／据大公报消息，当地时间8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予美国普林斯顿大学教授约翰.霍普菲尔德和加拿大多伦多大学教授杰弗里.欣顿，以表彰他们“为推动利用人工神经网络进行机器学习作出的基础性发现和发明”。他们创建的人工神经网络为包括ChatGPT在内的机器学习奠定了基础，推动人工智能（AI）发展。欣顿8日表示，获得诺奖完全出乎他的意料。他指出，相关技术对社会产生巨大影响，但也要警惕潜在风险。

　　【大公报讯】霍普菲尔德和欣顿将平分1100万瑞典克朗（约827万港元）奖金。诺奖官网介绍，霍普菲尔德1933年出生在美国伊利诺伊州芝加哥，1958年获得康奈尔大学博士学位，现任普林斯顿大学教授。欣顿1947年出生在英国伦敦，1978年获得英国爱丁堡大学博士学位，现任多伦多大学教授。

　　诺贝尔物理学委员会主席穆恩斯说，两名获奖者利用统计物理的基本概念设计了人工神经网络，构建了机器学习的基础。相关技术已被用于推动多个领域的研究，包括粒子物理、材料科学和天体物理等，也已用于日常生活中的人脸识别和语言翻译等。她同时警告说，机器学习的快速发展也引发了人们对未来的担忧，人类有责任以安全且道德的方式使用这项新技术。

　　人工神经网络受大脑结构启发

　　评奖委员会在8日发布的新闻通报中表示：“当我们谈论人工智能时，通常是指使用人工神经网络的机器学习技术。这项技术最初受到大脑结构的启发，在人工神经网络中，大脑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，如同‘突触’，可以增强或减弱，网络由此得到训练。今年的获奖者从20世纪80年代开始，就在人工神经网络方面开展重要工作”。

　　霍普菲尔德早年探索分子生物学的理论问题，后来受邀参加一次神经科学会议时接触到对大脑结构的研究，对此非常感兴趣，并开始思考简单神经网络的动态。他创建了名为“霍普菲尔德网络”的人工神经网络，可以储存和重构图像，以及其他类型的数据模式。向其中输入不完整或扭曲的图像，该网络能够找到最接近该不完美图像的已储存图像。欣顿在“霍普菲尔德网络”的基础上创建了一种新网络“玻尔兹曼机”。这种网络从给定的例子中学习，能够对图像进行分类，或者为其训练时使用的模式类型创建新的范例。