瑞典皇家科學院宣布，普林斯頓大學的約翰·J·霍普菲爾德(John Hopfield)名譽教授與多倫多大學的傑佛瑞·辛頓(Geoffrey Hinton) 名譽教授將共同獲得諾貝爾物理學獎。授獎理由為「在人工神經網路方面使機器學習成為可能的基礎性發現與發明」。

瑞典皇家科學院評價道：「霍普菲爾德教授開發了能夠保存並重建數據中圖像及其他模式的聯想記憶。辛頓教授則發明了能夠自主發現數據特徵並執行如辨識圖像中特定元素等任務的方法。」

今天，當我們談論人工智慧 (AI) 時，通常指的是使用人工神經網路的機器學習。這項技術最初的靈感來自於大腦的結構，透過強化具有高值的節點之間的連接來訓練整個網路。

霍普菲爾德教授提出了被稱為「霍普菲爾德網路」的無自連接互連型神經網路。這種網路結構如同一張網，擁有大量互相連接的節點，每個節點可以處於開啟或關閉狀態。

兩位人工智慧先驅榮獲諾貝爾物理學獎

瑞典皇家科學院宣布，將2024年諾貝爾物理學獎授予普林斯頓大學的約翰·J·霍普菲爾德名譽教授和多倫多大學的傑弗里·辛頓名譽教授，以表彰他們「在人工神經網路領域的基礎性發現和發明，使機器學習成為可能」。

瑞典皇家科學院表示：「霍普菲爾德教授開發了一種聯想記憶，可以儲存和重建數據中的圖像和其他模式。辛頓教授發明了一種可以自動辨識數據特徵並執行圖像辨識等任務的方法。」

霍普菲爾德教授提出了「霍普菲爾德網路」，這是一種沒有自連接的相互連接型神經網路。它由許多點（節點）相互連接而成，形成網狀結構，每個節點都可以處於開或關的狀態。

例如，將每個節點視為可以表示白色或黑色的像素，並嘗試重現某個黑白圖像。網路會記住哪些節點應該打開，哪些節點應該關閉，以便表示給定的圖像或字符。在此過程中，節點之間連接的強度會被調整。也就是說，經常一起打開的節點之間的連接會變強，而與其他節點的連接會變弱。

然後，當輸入不完整的模式時，網路會根據輸入模式逐漸改變節點的狀態，並從學習時記憶的模式中找到與輸入最接近的模式。例如，輸入一張稍微模糊的貓咪照片，網路最終會輸出清晰完整的貓咪圖片。霍普菲爾德網路為可以從不完整訊息中重現完整模式的「聯想記憶」奠定了基礎。

辛頓教授以霍普菲爾德網路為基礎，開發了稱為「玻爾茲曼機」的網路。玻爾茲曼機由許多節點組成，這些節點分為「可見層」和「隱藏層」兩層，所有節點都相互連接。可見層負責接收輸入數據和生成輸出，隱藏層負責學習數據的內部表示。

玻爾茲曼機主要在「學習」、「生成」和「辨識」三個階段運行。在「學習」階段，它會自動學習給定數據的特徵，並調整節點之間連接的強度，以反映數據的統計特性。在「生成」階段，它會根據學習到的模式生成新的數據。在「辨識」階段，它可以辨識新給定的數據。

玻爾茲曼機的顯著特點是其運作具有隨機性。輸出並不總是相同的，而是具有一定的隨機性。玻爾茲曼機是圖像辨識、語音辨識、推薦系統和自然語言處理等當今深度學習技術的基石。

值得一提的是，辛頓教授自2013年起在Google工作，參與AI的開發，但已於2023年3月從Google離職。

瑞典皇家科學院公布了霍普菲爾德教授接到獲獎通知時的錄音。霍普菲爾德教授當時與家人一起去接種流感疫苗，並在回程路上在咖啡館喝咖啡時接到了電話。霍普菲爾德教授表示：「推動技術進步的科學首先是由好奇心驅動的早期研究，它非常有趣、有用，並且能夠產生可靠的技術，使事物不斷變得更好。」

辛頓教授接到獲獎通知時的錄音如下。辛頓教授說：「我今天本來預約了核磁共振檢查，看來我得取消了。」之後，辛頓教授向多倫多大學的公關部門表示：「我從未想過會發生這樣的事。我感到非常驚訝，也很榮幸被選中。」

諾貝爾獎頒獎典禮將於2024年12月10日在瑞典斯德哥爾摩舉行。獎金為1100萬瑞典克朗（約34,23萬台幣），將由霍普菲爾德教授和辛頓教授平分。