淌若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，淌若欺骗检测系统使你的银行余额免于违警分子的挫折，或者因为不祥在明白中口述发送一条信息而使你更松弛，那么你真是要感谢好多科学家、数学家和工程师。

但有两个名字因对深度学习时间的基础性孝敬而脱颖而出：普林斯顿大学物理学家约翰·霍普菲尔德（John Hopfield）和多伦多大学计较机科学家杰弗里·辛顿（Geoffrey Hinton）。深度学习时间使这些体验成为可能。

这两位究诘东说念主员因在东说念主工神经辘集限制的草创性职责，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辘集是以生物神经辘集为模子的，但两位究诘东说念主员的职责都鉴戒了统计物理学，因此得回了物理学奖。

神经元是怎样计较的

东说念主工神经辘集发祥于对活体大脑中生物神经元的究诘。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）提议了神经元怎样职责的粗浅模子。

在McCulloch-Pitts模子中，一个神经元与其相邻的神经元不息，并不错从它们何处汲取信号。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：它不错以不同的步地臆度来自不同邻居的信号。联想一下，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。

一个粗浅的计策是网罗扫数的一又友推选，并决定随从大大量东说念主的成见。举例，你问三个一又友，爱丽丝、鲍勃和查理，他们差别说“是”、“是”和“不”。这导致你决定购买手机，因为你有两个传诵和一个反对。

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

举例，淌若查理特别博学，你可能会数他的“不”三次，然后你的决定是不买手机 —— 两次传诵，三次反对。

淌若你苦难有一个你王人备不信任的一又友，你以致可能会给他们负权重。是以他们的痛快就便是拒却，他们的拒却就便是痛快。

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

相似，在东说念主工和生物神经辘集中，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。

这种才调导致了一个要津的区别：辘集中是否存在轮回？举例，淌若我今天向爱丽丝、鲍勃和查理推选，翌日爱丽丝向我推选，那么就会有一个轮回：从爱丽丝到我，再从我回到爱丽丝。

淌若神经元之间的畅通莫得轮回，那么计较机科学家称之为前馈神经辘集。前馈辘集中的神经元不错分层胪列。

第一层由输入构成。第二层汲取来自第一层的信号，依此类推。临了一层暗示辘集的输出。

联系词，淌若辘集中存在轮回，计较机科学家称之为轮回神经辘集，神经元的胪列可能比前馈神经辘集更复杂。

Hopfield 辘集

东说念主工神经辘集领先的灵感来自生物学，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）期骗物理学的想想究诘了一种迥殊类型的轮回神经辘集，咫尺被称为霍普菲尔德辘集。他终点究诘了它们的动态：跟着时期的推移，辘鸠集发生什么变化？

当信息通过酬酢辘集传播时，这种动态也很蹙迫。每个东说念主都知说念神采包在网上疯传，在酬酢辘集上变成了回信室。这些都是集体地方，最终产生于辘集中东说念主与东说念主之间粗浅的信断交换。

Hopfield是使用物理学模子的前驱，终点是那些用于究诘磁力的模子，来意会轮回神经辘集的能源学。他还标明，它们的动态不错赋予这种神经辘集一种缅想神色。

玻尔兹曼机和反向传播

在20世纪80年代，杰弗里·辛顿（Geoffrey Hinton），计较神经生物学家特伦斯·塞诺夫斯基（Terrence Sejnowski）和其他东说念主膨胀了Hopfield的办法，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，这些模子的贪图植根于玻尔兹曼草创的统计物理学。

Hopfield辘集不错像拼写查验器那样存储模式并革新模式中的空幻，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创新埋下了种子。

杰弗里·辛顿还参与了20世纪80年代发生的另一项冲破：反向传播。淌若你想让东说念主工神经辘集完成敬爱的任务，你必须为东说念主工神经元之间的畅通采用合乎的权值。

反向传播是一种要津算法，它不错凭据辘集在检会数据集上的性能来采用权重。联系词，检会多层东说念主工神经辘集仍然具有挑战性。

在2000年代，杰弗里·辛顿和他的共事们好意思妙地使用玻尔兹曼机来检会多层辘集，他们开头对辘集进行一层一层的预检会，然后在预检会的辘集上使用另一种微调算法来进一门径整权重。

多层辘集被重新定名为深度辘集，深度学习创新运转了。

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申诉，它不错准确、快速地模拟从分子和材意想扫数这个词地球欣喜的多样系统。

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期骗这些跳跃来促进东说念主类福祉和修复一个可握续发展寰球的后劲的但愿。