近日，2024年諾貝爾物理學獎揭曉!

　　瑞典皇家科學院當?shù)貢r間10月8日宣布，將2024年諾貝爾物理學獎授予約翰·J·霍普菲爾德(John J. Hopfield)和杰弗里·E·辛頓(Geoffrey E. Hinton)，表彰他們在使用人工神經(jīng)網(wǎng)絡進行機器學習的基礎性發(fā)現(xiàn)和發(fā)明。

　　這兩位科學家的獲獎，不僅是對他們個人成就的認可，也是對整個人工智能領域發(fā)展的肯定。他們的工作為機器學習的進步和人工智能的未來開辟了新的道路。

　　物理學獎頒給人工智能，這并非跨界

　　事實上，學界幾乎沒人預料到，今年的諾貝爾物理學獎會花落機器學習領域，頒給了兩位人工智能(AI)先驅(qū)。此前，他倆幾乎從未出現(xiàn)在該獎項的預測名單中，而Hinton更為人所知的身份是“人工智能之父”。

　　諾獎官方是這樣解釋的：

　　今年物理學獎得主的突破建立在物理科學的基礎上。他們?yōu)槲覀冋故玖艘环N全新的方式來使用計算機來幫助和指導我們解決許多問題。

　　我們的社會面臨的挑戰(zhàn)。

　　感謝他們的工作，人類的工具箱中現(xiàn)在有了一個新項目，我們可以選擇將其用于良好的目的?；谌斯ど窠?jīng)網(wǎng)絡的機器學習目前正在徹底改變科學、工程和日常生活。

　　該領域已經(jīng)在建設可持續(xù)社會方面取得突破，例如識別新的功能材料。未來如何使用人工神經(jīng)網(wǎng)絡的深度學習取決于我們?nèi)祟惾绾芜x擇使用這些已經(jīng)存在于我們生活的許多方面的極其強大的工具。

　　在無人問津的領域持續(xù)耕耘

　　其實，人工神經(jīng)網(wǎng)絡并非最新的研究方向，從上世紀60年代起，科學家們就開始研究，且研究過程幾經(jīng)起伏。不論是Hopfield還是Hinton，他們的研究都經(jīng)歷了從熱到冷、再到熱的過程。尤其是Hinton，更為業(yè)內(nèi)人士熟知的是他30年坐“冷板凳”的故事。

　　“早在上世紀80年代，人工神經(jīng)網(wǎng)絡曾是熱門研究方向，但由于當時計算機算力等問題，這個領域一度被認為難有突破，很快就不再為人們所關注。但是，這兩位學者卻能持續(xù)地在神經(jīng)網(wǎng)絡方向耕耘。神經(jīng)網(wǎng)絡深度學習可說在他們的研究基礎上得到了爆發(fā)式發(fā)展?！睆偷┐髮W類腦科學與智能研究院院長馮建峰教授上世紀80年代時讀博士期間的研究以及博士論文，就與Hopfield網(wǎng)絡相關，他與Hinton也有研究交集。

　　1986年，Hinton就和兩位學生發(fā)表了一篇關于“反向傳播算法”的論文，這一算法是訓練神經(jīng)網(wǎng)絡的核心。但當時并未改變神經(jīng)網(wǎng)絡研究持續(xù)走低的趨勢，直到2012年，Hinton和兩位學生提出Alexnet模型，大幅提升了視覺識別的正確率后，引起了全球科學界震動，才開啟了深度學習的熱潮。

　　在馮建峰看來，出生于學術世家的Hinton是那種典型的為了學問而學問的人。也正是因此，他在神經(jīng)網(wǎng)絡研究的“寒冬”季節(jié)，一度在愛丁堡大學申請不到研究經(jīng)費，但即便如此，他仍然沒有放棄，而是“輾轉(zhuǎn)”美國、加拿大繼續(xù)他的研究方向。

　　“難以想象Hinton當年會在神經(jīng)網(wǎng)絡這個‘不受學界待見’的研究方向持續(xù)耕耘，直到在深度學習領域?qū)崿F(xiàn)了巨大的突破?！鄙虾＝煌ù髮W人工智能學院特聘研究院張婭告訴記者，包括Hinton的導師在內(nèi)，當時不少人都認為Hinton不該在這個方向浪費時間，甚至還勸說他轉(zhuǎn)換方向。但也正是他在這個冷門的領域耕耘，使得他獲得了2018年的圖靈獎和今年的諾貝爾物理學獎，并且為后來人工智能的發(fā)展帶來了革命性的突破。

　　諾獎垂青交叉領域

　　隨著今年諾貝爾物理學獎的頒出，不少學者也開始討論一個延伸話題：近年來，這一獎項越來越垂青交叉研究。

　　“這無異于凸顯了前沿學科的交叉與互通性?！眹谰Y在接受記者采訪時列舉到，2020年的諾貝爾物理學獎頒給了數(shù)學家彭羅斯，2021年的諾貝爾物理學獎則頒給了研究復雜系統(tǒng)的氣象學家真鍋淑郎、克勞斯·阿塞爾曼。再看今年，Hopfield和Hinton兩人也同樣是“跨界高人”。Hopfield是一位橫跨多個學科領域的物理學博士，在物理、化學和生物學的交叉處開發(fā)了神經(jīng)網(wǎng)絡。Hinton就讀劍橋大學時，同時學習物理學和生理學，后來獲得實驗心理學學士學位，他通過物理、數(shù)學和計算機、神經(jīng)心理學多領域的交叉，推動機器學習的發(fā)展。

　　復旦大學物理學系教授施郁表示，機器學習的重要研究和發(fā)展，都與物理學有著千絲萬縷的關系。一方面，物理學早已突破傳統(tǒng)領域，研究的范圍更廣;另一方面，隨著AI工具被廣泛使用，越來越多的科研人員也正使用機器學習，繼續(xù)拓展著物理、化學、生物等研究邊界。

　　在這樣的教育大環(huán)境下，我們也緊跟時代步伐，推出了一系列高質(zhì)量的課題。這些課題由世界頂尖名校的教授領銜，旨在為學生提供最前沿的學術研討和實踐機會。通過這些課題，學生不僅能夠接觸到最新的人工智能知識，還能在物理、數(shù)學等基礎學科領域獲得深入的理解和應用。

　　通過這些課題的學習，學生將能夠在人工智能和物理等基礎科學領域打下堅實的基礎，為未來的學術研究或職業(yè)生涯做好準備。同時，這些課程也將幫助學生培養(yǎng)批判性思維、分析和創(chuàng)造性思維、復雜溝通能力以及全球視野，這些都是未來社會所需的關鍵技能。

留學也是一種投資，你的留學預算充足嗎，簡單3步，輕松了解留學預算？

費用計算

想去留學，不知道自己是否符合條件？馬上測一測吧？

條件評估