10月8日，瑞典皇家科學院，正式將今年的諾貝爾物理學獎，授予約翰·霍普菲爾德和傑弗裏·辛頓，以表彰兩人在機器學習方向上的研究成果，基於神經網絡的機器學習正在徹底改變科學、工程和日常生活。
每年10月份，諾貝爾獎都會開始頒發一系列的獎項，其中的諾貝爾物理學獎，也是整個物理學領域最負盛名的獎項，去年的諾貝爾物理學獎授予了皮埃爾·阿戈斯蒂尼、費倫茨·克勞斯和安妮·呂利耶三位科學家，以表彰他們在阿秒脈衝技術方向所做的貢獻。
歷年來，諾貝爾物理學獎頒發的領域非常廣泛，但一般都是傳統物理學的核心分支方向，比如粒子物理、量子物理和天體物理等，但是從來沒有頒發給機器學習/深度學習領域的學者，而此次授予與機器學習和深度學習相關的研究成果，首次打破了諾獎的常規。
一般來說，計算機領域學者最高獎爲圖靈獎，科學家姚期智教授就曾拿下圖靈獎，目前清華的姚班即爲姚期智教授創辦。2018年的圖靈獎是最破圈的一次，Yoshua Bengio、Geoffrey Hinton和Yann LeCun三位科學家，因在深度學習領域的基礎性貢獻和工程技術上的突破，獲得18年的圖靈獎，其中Hinton辛頓教授也是這次諾貝爾物理學獎的兩位獲獎者之一。
通常來看，計算機各個方向也更靠近數學方向，比如機器學習很多算法與統計學高度相關，所以目前AI領域也會非常青睞有本科數學背景的學生，即使計算機科學家跨界拿獎，也大概率是獲得數學方向的獎項，本次諾貝爾物理學獎頒給辛頓確實讓人非常意外。
辛頓爲現任多倫多大學教授，80年代，Hinton提出了玻爾茲曼機（Boltzmann Machine），玻爾茲曼機的算法能夠通過給定的例子進行學習，能夠用於圖像分類或生成實例，也被視作最早的生成模型之一，當前火熱的GPT其實也是一種基於Transformer架構的深度學習生成模型。
玻爾茲曼機的靈感來源於另一位獲獎者約翰·霍普菲爾德在82年提出的霍普菲爾德網絡（Hopfield network），爲單層神經網絡，可用於聯想記憶和優化問題的求解，最早的設計靈感來源於物理學中的能量概念，動態行爲類似於物理系統的能量最小化過程，偏向生物物理學/統計物理學交叉領域。
Hinton本次諾獎被提到的研究成果是玻爾茲曼機，此外還有更有名的BP反向傳播算法、受限玻爾茲曼機RBM、深度學習時代元年的AlexNet等等，推動了深度學習的快速發展，尤其是神經網絡在圖像處理、自然語言處理等領域的應用。
Ilya、Alex、Hinton
從成果來看，Hinton確實做出了諾獎級成果，所以當之無愧拿到了圖靈獎，但是Hinton的研究其實更多與計算機科學和數學相關，尤其是在BP反向傳播和AlexNet與物理的直接聯繫很小，總體來說，Hopfield網絡的發展早期靈感是脫胎於物理學，而辛頓的成就主要集中在計算機科學領域。
如果諾獎再推出計算機獎項或者數學獎項頒給Hinton和Hopfield，質疑聲就會小很多，當然這次諾獎破例可能也標誌着傳統物理學領域進一步拓展，AI和神經網絡正在改變科學和工程的各個方面，對未來物理學研究的影響可能會比我們想象的還要深遠，也許我們正在進入一個更加跨學科融合的時代......
機器學習基礎：
深度學習入門——圖靈獎AI三巨頭
AI編年史——深度學習的發展史（收藏向）
AI編年史2——GPT是如何誕生的？
AI學術巨佬——何愷明，從遊戲中獲得論文靈感
AI領軍人物——孫劍，重劍無鋒的經典之作
AI傳奇巨佬——湯曉鷗，中國人工智能領袖人物！
AI女神李飛飛——從成都七中，到頂級AI科學家！
山姆·奧特曼——從遊戲編程，到OpenAI之父！
張益唐——黎曼猜想，華人數學家再創重大突破！
B站大學——線代不掛科，MIT傳奇教授的最後一課！
微軟免費AI課程——18節課，初學者入門大模型！
機器學習——科學家周志華，成爲中國首位AI頂會掌門人！
機器學習入門——數學基礎（積分篇）
機器學習入門——數學基礎（代數篇）
機器學習入門——數學基礎（貝葉斯篇）
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
