一文理解今年的諾貝爾物理獎

AIGC動態(tài)歡迎閱讀

原標題：一文理解今年的諾貝爾物理獎
關(guān)鍵字：解讀,節(jié)點,網(wǎng)絡(luò),神經(jīng)網(wǎng)絡(luò),物理學
文章來源：AI范兒
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

點擊上方藍字關(guān)注我們今年的獲獎者運用物理學工具構(gòu)建了方法，為當今強大的機器學習奠定了基礎(chǔ)。約翰·霍普菲爾德（John Hopfield）設(shè)計了一種能夠存儲和重建信息的結(jié)構(gòu)。杰弗里·辛頓（Geoffrey Hinton）發(fā)明了一種可以識別數(shù)據(jù)特性的方式，這對現(xiàn)在使用的大型人工神經(jīng)網(wǎng)絡(luò)至關(guān)重要。
他們利用物理學在信息中尋找模式許多人都體驗過計算機如何進行語言翻譯、圖像解讀，甚至進行合理的對話。然而，可能不為人知的是，這種技術(shù)在研究中已經(jīng)發(fā)揮了重要作用，包括海量數(shù)據(jù)的整理和分析。在過去的十五到二十年中，機器學習的發(fā)展突飛猛進，依賴一種稱為人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。如今，當我們談論人工智能時，往往指的就是這種技術(shù)。
盡管計算機無法思考，但現(xiàn)在的機器能夠模擬記憶和學習等功能。今年的物理學獲獎者使這一切成為可能。他們利用物理學的基本概念和方法，開發(fā)了使用網(wǎng)絡(luò)結(jié)構(gòu)處理信息的技術(shù)。
機器學習與傳統(tǒng)軟件不同，后者的工作方式類似于食譜。軟件接收數(shù)據(jù)，根據(jù)明確的描述進行處理并生成結(jié)果，就像一個人收集原料，按照食譜制作蛋糕。而在機器學習中，計算機通過示例進行學習，使其能夠解決那些過于模糊和復雜的問題，難以通過逐

原文鏈接：一文理解今年的諾貝爾物理獎