若是你在不雅看最新的东说念主工智能生成的视频时大吃一惊，若是讹诈检测系统使你的银行余额免于监犯分子的攻击，或者因为随机在理解中口述发送一条信息而使你更应付，那么你确凿要感谢好多科学家、数学家和工程师。

但有两个名字因对深度学习时刻的基础性孝顺而脱颖而出：普林斯顿大学物理学家约翰·霍普菲尔德（John Hopfield）和多伦多大学规画机科学家杰弗里·辛顿（Geoffrey Hinton）。深度学习时刻使这些体验成为可能。

这两位商酌东说念主员因在东说念主工神经集聚限制的创始性使命，于2024年10月8日被授予诺贝尔物理学奖。

尽管东说念主工神经集聚是以生物神经集聚为模子的，但两位商酌东说念主员的使命齐鉴戒了统计物理学，因此获取了物理学奖。

神经元是怎样规画的

东说念主工神经集聚发祥于对活体大脑中生物神经元的商酌。1943年，神经生理学家沃伦·麦卡洛克（Warren McCulloch）和逻辑学家沃尔特·皮茨（Walter Pitts）惨酷了神经元怎样使命的浮浅模子。

在McCulloch-Pitts模子中，一个神经元与其相邻的神经元不时，并不错从它们那儿罗致信号。然后，它不错将这些信号组合起来，向其他神经元发送信号。

但有一个问题：它不错以不同的状况揣度来自不同邻居的信号。遐想一下，你正在决定是否要买一部新的畅销手机。你和一又友聊天，征求他们的建议。

一个浮浅的政策是网罗通盘的一又友推选，并决定奴隶大巨额东说念主的意见。举例，你问三个一又友，爱丽丝、鲍勃和查理，他们分辨说“是”、“是”和“不”。这导致你决定购买手机，因为你有两个唱和和一个反对。

然则，你可能更信任一些一又友，因为他们对科技居品有深化的了解。是以你可能会决定给他们的建议更多的权重。

举例，若是查理非常博学，你可能会数他的“不”三次，然后你的决定是不买手机 —— 两次唱和，三次反对。

若是你横祸有一个你十足不信任的一又友，你致使可能会给他们负权重。是以他们的容或就就是拒却，他们的拒却就就是容或。

一朝你对生人机是否是个好采选作念出了我方的决定，其他一又友就不错请你推选了。

相同，在东说念主工和生物神经集聚中，神经元不错团员来自相邻神经元的信号，并将信号发送给其他神经元。

这种智力导致了一个要津的区别：集聚中是否存在轮回？举例，若是我今天向爱丽丝、鲍勃和查理推选，未来爱丽丝向我推选，那么就会有一个轮回：从爱丽丝到我，再从我回到爱丽丝。

若是神经元之间的畅通莫得轮回，那么规画机科学家称之为前馈神经集聚。前馈集聚中的神经元不错分层摆设。

第一层由输入构成。第二层罗致来自第一层的信号，依此类推。临了一层示意集聚的输出。

然则，若是集聚中存在轮回，规画机科学家称之为轮回神经集聚，神经元的摆设可能比前馈神经集聚更复杂。

Hopfield 集聚

东说念主工神经集聚起原的灵感来自生物学，但很快其他限制运转影响它们的发展。这些课程包括逻辑、数学和物理。

物理学家约翰·霍普菲尔德（John Hopfield）诈骗物理学的想想商酌了一种相当类型的轮回神经集聚，咫尺被称为霍普菲尔德集聚。他出奇商酌了它们的动态：跟着时间的推移，集聚会发生什么变化？

当信息通过应酬集聚传播时，这种动态也很挫折。每个东说念主齐知说念色调包在网上疯传，在应酬集聚上酿成了覆信室。这些齐是集体征象，最终产生于集聚中东说念主与东说念主之间浮浅的信阻隔换。

Hopfield是使用物理学模子的前驱，出奇是那些用于商酌磁力的模子，来默契轮回神经集聚的能源学。他还标明，它们的动态不错赋予这种神经集聚一种顾忌表情。

玻尔兹曼机和反向传播

在20世纪80年代，杰弗里·辛顿（Geoffrey Hinton），规画神经生物学家特伦斯·塞诺夫斯基（Terrence Sejnowski）和其他东说念主膨大了Hopfield的见地，创建了一类新的模子，称为玻尔兹曼机，以19世纪物理学家路德维希玻尔兹曼定名。

顾名想义，这些模子的猜测打算植根于玻尔兹曼创始的统计物理学。

Hopfield集聚不错像拼写查抄器那样存储模式并改造模式中的造作，而玻尔兹曼机不错生成新的模式，从而为当代生成式东说念主工智能调动埋下了种子。

杰弗里·辛顿还参与了20世纪80年代发生的另一项防碍：反向传播。若是你想让东说念主工神经集聚完成真义的任务，你必须为东说念主工神经元之间的畅通采选相宜的权值。

反向传播是一种要津算法，它不错凭据集聚在磨真金不怕火数据集上的性能来采选权重。然则，磨真金不怕火多层东说念主工神经集聚仍然具有挑战性。

在2000年代，杰弗里·辛顿和他的共事们奥秘地使用玻尔兹曼机来磨真金不怕火多层集聚，他们起原对集聚进行一层一层的预磨真金不怕火，然后在预磨真金不怕火的集聚上使用另一种微调算法来进一四肢整权重。

多层集聚被再行定名为深度集聚，深度学习调动运转了。

AI将其回馈给物理学

诺贝尔物理学奖展示了来自物理学的想想怎样促进了深度学习的兴起。咫尺，深度学习还是运转在物理学上得到应有的陈说，它不错准确、快速地模拟从分子和材意料通盘地球表象的各式系统。

通过将诺贝尔物理学奖授予霍普菲尔德和辛顿，授奖委员会抒发了对东说念主类诈骗这些逾越来促进东说念主类福祉和开荒一个可执续发展天下的后劲的但愿。