奖项揭晓
2024 年诺贝尔物理学奖已授予约翰·霍普菲尔德和杰弗里·辛顿，因其在机器学习方面的基础发现，为如今人工智能的应用铺平了道路。
霍普菲尔德是普林斯顿大学的教授，辛顿是多伦多大学的计算机科学家，他们为当今许多基于人工智能的产品和应用所依赖的机器学习奠定了基础。然而，辛顿也对人工智能的未来发展表达了担忧，并为能更自由地谈论此问题而与前雇主谷歌断绝关系。
诺贝尔物理学委员会成员马克·皮尔斯告诉 CNN：“他们的工作为我们如今所体验的人工智能奠定了基石。”
周一，该委员会在瑞典宣布了这一享有盛誉的荣誉，这被视为科学成就的巅峰。该奖项带有 1100 万瑞典克朗（约 100 万美元）的现金奖励。
被誉为人工智能“教父”的辛顿表示，得知获奖感到“目瞪口呆”。
AI 的“巨大影响”
当被问及他的研究所助力发展的技术的潜在意义时，他说人工智能将对我们的社会产生“巨大影响”。
他在宣布后立即接受电话采访时表示：“这将与工业革命相当。但不是在体力上超越人类，而是在智力上超越。我们没有经历过比我们更聪明的事物。”
辛顿预测该技术将彻底变革诸如医疗保健等领域，带来“生产力的巨大提升”。
但他也警告说：“但我们也必须担心一些可能的不良后果，特别是这些东西失控的威胁。”
“我担心最终的结果可能是比我们更智能的系统最终掌控一切。”他补充道。
诺贝尔物理学委员会主席艾伦·穆恩斯说，由于获奖者的工作，人工智能已经“成为我们日常生活的一部分”，从面部识别到语言翻译。
“获奖者的发现和发明构成了机器学习的基石，有助于在诊断医疗状况等方面做出更快、更可靠的决策。”穆恩斯说。
美国物理学会首席执行官迈克尔·莫洛尼告诉 CNN，诺贝尔奖获得者的工作改变了科学，使机器学习系统能够处理大量数据，让科学家发现原本无法看到的模式。
模仿大脑
人工智能已成为使用人工神经网络进行机器学习的简称。这项由霍普菲尔德和辛顿开发的技术基于大脑的结构。
大脑有神经元，而人工神经网络有具有不同值的节点。大脑的神经元通过突触相互交流，人工节点则通过连接相互影响。可以通过在节点之间建立更强的连接来训练人工神经网络，就像训练大脑一样。
就像我们绞尽脑汁回忆一个很少使用且记忆模糊的单词或事实一样，人工神经网络也可以通过霍普菲尔德网络（1982 年发明）回溯保存的模式。
皮尔斯说：“霍普菲尔德好奇是否有可能拥有一个受大脑启发的物理系统，一个由小计算神经元组成的网络，它们相互连接。他好奇是否有可能在这样一个非常简单的系统中建立学习机制。实际上是可能的。”
霍普菲尔德发表研究后，辛顿利用统计物理学的理念对其进行了扩展，并开发了最早形式的机器学习，称为“玻尔兹曼机”。
皮尔斯补充说：“特别是，他（辛顿）证明了可以使用网络在数据中找到模式。”
自 20 世纪 80 年代以来，网络规模不断扩大。霍普菲尔德使用的网络只有 30 个节点——连接它们的参数不到 500 个——而如今为 Chat GPT 等提供动力的网络可能包含超过 1 万亿个参数。
与传统软件类似于按照食谱烤蛋糕不同，人工神经网络能够通过示例学习——利用先前的知识创建新的“食谱”。
吹哨人
辛顿不仅是人工智能的先驱，也对该技术发出了警告。2023 年 5 月，由于担心其变得过于智能，他离开了谷歌并决定“吹哨”。
辛顿去年告诉 CNN：“我只是一个科学家，突然意识到这些东西比我们更聪明。我想吹哨并说我们应该认真担心如何阻止这些东西掌控我们。”
他警告说，人工智能“知道如何编程，所以它会想出绕过我们对它设置的限制的方法。它会想出操纵人们去做它想要的事情的方法。”
在周二的宣布仪式上，辛顿被问及是否后悔自己帮助创造了他担心可能造成巨大危害的技术，尽管它有许多潜在的好处。
辛顿说：“有两种后悔。一种是因为做了明知不该做的事而感到内疚，另一种是做了在相同情况下还会再做的事，但最终可能结果不好。”
“我是第二种后悔。在相同情况下我还会这么做，但我担心最终的结果可能是比我们更智能的系统最终掌控一切。”
原创文章，作者：讯知在线，如若转载，请注明出处：http://mip.xzxci.cn/2024/10/09/5721.shtml
