10月8日，瑞典皇家科学院，正式将今年的诺贝尔物理学奖，授予约翰·霍普菲尔德和杰弗里·辛顿，以表彰两人在机器学习方向上的研究成果，基于神经网络的机器学习正在彻底改变科学、工程和日常生活。
每年10月份，诺贝尔奖都会开始颁发一系列的奖项，其中的诺贝尔物理学奖，也是整个物理学领域最负盛名的奖项，去年的诺贝尔物理学奖授予了皮埃尔·阿戈斯蒂尼、费伦茨·克劳斯和安妮·吕利耶三位科学家，以表彰他们在阿秒脉冲技术方向所做的贡献。
历年来，诺贝尔物理学奖颁发的领域非常广泛，但一般都是传统物理学的核心分支方向，比如粒子物理、量子物理和天体物理等，但是从来没有颁发给机器学习/深度学习领域的学者，而此次授予与机器学习和深度学习相关的研究成果，首次打破了诺奖的常规。
一般来说，计算机领域学者最高奖为图灵奖，科学家姚期智教授就曾拿下图灵奖，目前清华的姚班即为姚期智教授创办。2018年的图灵奖是最破圈的一次，Yoshua Bengio、Geoffrey Hinton和Yann LeCun三位科学家，因在深度学习领域的基础性贡献和工程技术上的突破，获得18年的图灵奖，其中Hinton辛顿教授也是这次诺贝尔物理学奖的两位获奖者之一。
通常来看，计算机各个方向也更靠近数学方向，比如机器学习很多算法与统计学高度相关，所以目前AI领域也会非常青睐有本科数学背景的学生，即使计算机科学家跨界拿奖，也大概率是获得数学方向的奖项，本次诺贝尔物理学奖颁给辛顿确实让人非常意外。
辛顿为现任多伦多大学教授，80年代，Hinton提出了玻尔兹曼机（Boltzmann Machine），玻尔兹曼机的算法能够通过给定的例子进行学习，能够用于图像分类或生成实例，也被视作最早的生成模型之一，当前火热的GPT其实也是一种基于Transformer架构的深度学习生成模型。
玻尔兹曼机的灵感来源于另一位获奖者约翰·霍普菲尔德在82年提出的霍普菲尔德网络（Hopfield network），为单层神经网络，可用于联想记忆和优化问题的求解，最早的设计灵感来源于物理学中的能量概念，动态行为类似于物理系统的能量最小化过程，偏向生物物理学/统计物理学交叉领域。
Hinton本次诺奖被提到的研究成果是玻尔兹曼机，此外还有更有名的BP反向传播算法、受限玻尔兹曼机RBM、深度学习时代元年的AlexNet等等，推动了深度学习的快速发展，尤其是神经网络在图像处理、自然语言处理等领域的应用。
Ilya、Alex、Hinton
从成果来看，Hinton确实做出了诺奖级成果，所以当之无愧拿到了图灵奖，但是Hinton的研究其实更多与计算机科学和数学相关，尤其是在BP反向传播和AlexNet与物理的直接联系很小，总体来说，Hopfield网络的发展早期灵感是脱胎于物理学，而辛顿的成就主要集中在计算机科学领域。
如果诺奖再推出计算机奖项或者数学奖项颁给Hinton和Hopfield，质疑声就会小很多，当然这次诺奖破例可能也标志着传统物理学领域进一步拓展，AI和神经网络正在改变科学和工程的各个方面，对未来物理学研究的影响可能会比我们想象的还要深远，也许我们正在进入一个更加跨学科融合的时代......
机器学习基础：
深度学习入门——图灵奖AI三巨头
AI编年史——深度学习的发展史（收藏向）
AI编年史2——GPT是如何诞生的？
AI学术巨佬——何恺明，从游戏中获得论文灵感
AI领军人物——孙剑，重剑无锋的经典之作
AI传奇巨佬——汤晓鸥，中国人工智能领袖人物！
AI女神李飞飞——从成都七中，到顶级AI科学家！
山姆·奥特曼——从游戏编程，到OpenAI之父！
张益唐——黎曼猜想，华人数学家再创重大突破！
B站大学——线代不挂科，MIT传奇教授的最后一课！
微软免费AI课程——18节课，初学者入门大模型！
机器学习——科学家周志华，成为中国首位AI顶会掌门人！
机器学习入门——数学基础（积分篇）
机器学习入门——数学基础（代数篇）
机器学习入门——数学基础（贝叶斯篇）
更多游戏资讯请关注：电玩帮游戏资讯专区
电玩帮图文攻略 www.vgover.com
