諾貝爾物理學(xué)獎為何授予機(jī)器學(xué)習(xí) 人工神經(jīng)網(wǎng)絡(luò)的勝利

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2024-10-09 07:45:03 光明網(wǎng)

辛頓研發(fā)的玻爾茲曼機(jī)作為生成模型的先驅(qū),，能夠融入大型網(wǎng)絡(luò)體系,，依據(jù)用戶偏好推薦影視作品。與傳統(tǒng)軟件遵循固定程序處理數(shù)據(jù)的方式不同,，機(jī)器學(xué)習(xí)模仿實例進(jìn)行學(xué)習(xí),，處理復(fù)雜問題,，超越了詳盡指令的范疇,。

2024年諾貝爾物理學(xué)獎出人意料地頒給了機(jī)器學(xué)習(xí)領(lǐng)域,，以表彰約翰·J·霍普菲爾德與杰弗里·E·辛頓在人工神經(jīng)網(wǎng)絡(luò)推動機(jī)器學(xué)習(xí)方面的開創(chuàng)性成就。辛頓在獲獎時直言未曾預(yù)料,。兩位學(xué)者共享了1100萬瑞典克朗獎金，約為745萬元人民幣,。

機(jī)器學(xué)習(xí)近年來迅猛發(fā)展,，核心在于人工神經(jīng)網(wǎng)絡(luò)技術(shù)，這也是現(xiàn)代人工智能的基石,。盡管計算機(jī)不具備思考能力,，卻能通過模擬記憶與學(xué)習(xí)功能接近這一目標(biāo)，這歸功于諾貝爾獎得主們的創(chuàng)新工作,。

霍普菲爾德與辛頓自80年代起就在人工神經(jīng)網(wǎng)絡(luò)研究中扮演關(guān)鍵角色,，運用物理學(xué)工具奠定今日強(qiáng)大機(jī)器學(xué)習(xí)的基礎(chǔ)?；羝辗茽柕掳l(fā)明的聯(lián)想記憶系統(tǒng)能存儲并復(fù)原圖像數(shù)據(jù),，其方法能識別最匹配的已存模式。通過結(jié)合對磁性材料的理解與計算技術(shù),，霍普菲爾德網(wǎng)絡(luò)得以優(yōu)化,，支持更多樣化的數(shù)據(jù)表達(dá),。

辛頓則在玻爾茲曼機(jī)的研究上取得突破，該模型能夠從實例中學(xué)習(xí),，實現(xiàn)數(shù)據(jù)特征識別,，為圖像分類及模式生成提供可能。2006年,，辛頓進(jìn)一步優(yōu)化了網(wǎng)絡(luò)預(yù)訓(xùn)練方法,，促進(jìn)了深度學(xué)習(xí)領(lǐng)域的飛躍，玻爾茲曼機(jī)在個性化推薦系統(tǒng)中發(fā)揮了重要作用,。

辛頓還因在深度學(xué)習(xí)上的貢獻(xiàn),，與他人共同榮獲2018年圖靈獎。如今,，深度神經(jīng)網(wǎng)絡(luò)規(guī)模龐大,，廣泛應(yīng)用于各行各業(yè)及科學(xué)研究，物理學(xué)科與人工神經(jīng)網(wǎng)絡(luò)的互惠關(guān)系,，預(yù)示著未來兩者間更深層次的互動與進(jìn)步,。

(責(zé)任編輯：張小花 TT1000)

關(guān)閉

諾貝爾物理學(xué)獎為何授予機(jī)器學(xué)習(xí) 人工神經(jīng)網(wǎng)絡(luò)的勝利

相關(guān)新聞

今日熱點

頻道熱點