诺贝尔委员会在声明中表示：「尽管电脑无法思考，但机器如今能够模仿记忆和学习等功能。今年的物理学奖得主使这一切成为可能。」
该委员会于周一在瑞典宣布了这一享有盛誉的荣誉，这一奖项被视为科学成就的巅峰，奖金为1100万瑞典克朗（约100万美元、3220万元台币）。
霍普菲尔德在普林斯顿大学任教，辛顿则是多伦多大学，他们为当今许多产品提供动力的机器学习奠定了基础而受到赞誉。
「他们使用物理学的基本概念和方法，开发了利用网络结构来处理信息的技术，」委员会表示，这使得过去二十年来机器学习的发展「爆炸性增长」。
霍普菲尔德创造了一种联想记忆，可以储存和重建图像及其他类型的数据模式；辛顿则发明了一种能够自动在数据中发现属性的方法，从而执行诸如识别图片中特定元素的任务。
被称为人工智慧（AI）「教父」的辛顿表示，他对获得这一奖项感到「惊讶」。
接受记者询问时，辛顿谈到了他的研究所帮助开发的技术的潜在重要性，他表示，人工智慧将对我们的社会产生「巨大影响」。
他在得主揭晓后的连线访谈表示。「这将与工业革命相媲美。但不同的是，它将超越人类的智力，而不是体力。我们对于拥有比我们更聪明的事物的经验是零」。
人工智慧（AI）已经成为使用人工神经网络进行机器学习的代名词。这项技术由霍普菲尔德和辛顿）开发，灵感来自于大脑的结构。
大脑拥有神经元，而人工神经网络则拥有具有不同数值的节点。大脑的神经元通过突触相互交流，而人工节点则通过连接相互影响。你可以通过加强节点之间的连接来训练人工神经网络，就像你可以通过学习来训练大脑一样。
正如我们可以回想一个很少用的词或模糊记得的事实，人工神经网络也能通过保存的模式进行搜索——这要归功于霍普菲尔德在1982年发明的霍普菲尔德网络。
在霍普菲尔德发表研究后，辛顿使用统计物理学的概念扩展了这项技术，并开发了最早的机器学习形式，称为「玻尔兹曼机器」（Boltzmann Machine）。
自1980年代以来，这些网络的规模不断增长。霍普菲尔德最早使用的网络只有30个节点，节点之间的参数不到500个，而如今的网络可以包含超过一兆个参数。
与传统软件不同，传统软件像是遵循一个烤蛋糕的食谱，而人工神经网络则能够通过示例进行学习——凭借先前的知识创造新的「食谱」。
點擊閱讀下一則新聞
