奇月 发自 凹非寺量子位 | 公众号 QbitAIcable av 国产

2024年诺贝尔物理学奖的两位获奖者John Hopfield和Geoffrey Hinton最近在斯德哥尔摩大学发表了最新的演讲。

现场的氛围额外强烈！

看到Hopfield教育即使借助手杖也躬行到达现场发表了演讲，Hinton教育也忍着腰痛专程飞到瑞典，让不雅众们额外敬佩。

在此次行动中，John Hopfield教育的演讲主题是“物理学是一种不雅点”，讲明他个东谈主的科研履历和作念科研的念念考模式。

他精炼了许多对于科研和对物理的想法：

若何接管问题是科研效果的要津身分大脑是若何产生念念想的，这对我来说是东谈主类最渊博的问题我认为物理学有助于长入东谈主类和寰宇

Geoffrey Hinton教育则用阳春白雪的模式讲明了Hopfield辘集和玻尔兹曼机器的旨趣与发展，全程莫得用一个方程式。

当咱们最终了解了大脑是若何学习的时期，我服气寝息的作用一定黑白常蹙迫的，对此我额外乐不雅

两位教育限制演讲时，台下的不雅众亦然忍不住都站起来向他们饱读掌请安。

以下是现场演讲实质，在不调动容或的情况下，量子位对部分篇幅作念了退换。

John Hopfield：物理学是一种不雅点

约翰·霍普菲尔德于1933年出身于芝加哥，1954年在威廉·莫尔学院取得第一个学位，1958年在康奈尔大学取得博士学位。1964年，他被任命为普林斯顿大学物理学教育，1980年景为加州理工学院化学和生物学教育，之后他回到普林斯顿大学，当今是分子生物学名誉教育。

（以下为John Hopfield教育发言）

我的第一份全员使命是在比尔电话公司发明晶体管的实验室，我加入了一个六东谈主小组。初入实验室时，我在新办公室通达册本期刊，参不雅库存室获取文具后，念念考着下一步使命。

在科研中，渊博东谈主常正方合法，很少长远念念试验究地方的接管，而这正是科研效果的要津身分。我在科研中撰写了40余篇论文，几年前造成的使命基础最终发展成霍普菲尔德模子，有关不雅点源于对当场事件的分析。

巨乳av女优

我成长于物理学家家庭，自幼受物理学不雅念教学，心爱探索事物旨趣，如拆解自行车、进行化学实验等，这让我好像长入复杂系统运作。上高中时，化学老非敦朴常出色，物理敦朴却对电磁学旨趣长入不及，这影响了我大学专科接管，但最终我决定在斯沃斯莫尔学院专注物理。

参加物理学征询生院后，我在康奈尔大学学习，期间与Albert Overhauser相助，从他的征询列表中选择晶体中激子放射寿命有关问题，开启征询。取得博士学位后，我在表面小组任职，后结子化学家David G. Thomas，成立表面实验定约，取得效果并获奥利弗里·巴克利固体物理学奖。

之后，我在征询中际遇瓶颈，前去剑桥大学寻找新地方，回普林斯顿后担任半导体组照顾人，战役到血红卵白有关实验，为我从凝合态物理转向生物物理提供机会，我也受Linus Pauling不雅点启发征询卵白质合成问题并取得效果。

1974年论文影响我对生物常识题的征询念念路，促使我念念考神经元辘集特质等。1977年在哥本哈根举办研讨会后，我寻求跨学科迫害，受邀参加神经科学会议，天然其时一无所知，其后加入技俩取得神经生物学灵感。

1979年，我转任化学和生物学教育，发现了学科联系，提议新计算视力并撰写论文，该论文鼓舞了有关限度发展。

其后，我发现霍普菲尔德模子辘集问题，2015年与他东谈主相助提议密集逸想操心模子，祈望鼓舞东谈主工智能发展。

我额外尊重各个限度的民众，积极参与跨学科互动，我认为物理学有助于长入东谈主类与天地。

Hinton：Hopfield辘集与Boltzmann机的发展

杰弗里·辛顿，1947年生于英国伦敦，获剑桥大学实验容颜学博士学位，曾在爱丁堡大学从事东谈主工智能博士后征询，在多所大学任职，现从事学术征询，并在谷歌公司任职。

（以下为Geoffrey Hinton教育发言）

今天我将无谓任何方程式，向泛泛不雅众教育Hopfield辘集。

先来看一个二元神经元版块的小霍普菲尔德辘集，其神经元间有对称加权联结，辘集全局景色是成就，成就有优良性（单位对权重总额），能量是优良性相悖数，辘聚积认知于能量最小值。

霍普菲尔德提议用能量最小值对应操心，通过二元有诡计规定清算不竣工操心，完健硕质可寻址内存。

特里·西诺斯基和我提议用辘集构建感官输入证据，辘集含可见和荫藏神经元，可见承袭感官输入（如二进制图像），荫藏构建证据，能量代表证据横暴进度，咱们需要粗劣量证据。

以线条画为例，有不同三维证据，咱们要让辘集给出证据。

先将线条摇荡为线条神经元激活，线条神经元与三维边际神经元联结，研究感知光学身分让边际神经元相互抑止，还要依据图像线条联结原则确立联结，但愿通过竖立联结强度使辘集处罚两种替代证据。

这产生两个问题：一是幸免堕入局部最优的搜索问题；二是神经辘集自动学习联结的问题。

对于搜索问题，咱们通过使神经元有噪声处罚，有噪声神经元景色是二元的但有诡计具有概卤莽。

用荫藏神经元证据二进制图像时，在可见单位固定图像，当场选荫藏神经元凭据输入决定其景色，抓续操作使系统达热均衡，此时荫藏神经元景色是均衡证据，辘集学习正确权重使粗劣量景色对应更好的证据，热均衡是系统率路于概率散布（波尔兹曼散布），粗劣量成就概率大。

玻尔兹曼机学习主义是使辘集生成的图像肖似它感知到的真确图像，有粗浅学习算法，含叫醒和寝息阶段。

叫醒阶段固定图像于可见单位，让荫藏单位达热均衡后退换联结权重，寝息阶段肖似作念梦更新神经元达热均衡后反向退换权重，该算法平均上能让辘集生成图像经过肖似感知图像，触及对数似然梯度主见，通过调动权重使辘集温雅wake阶段看到的数据。

但玻尔兹曼机存在问题，权重变大时热均衡经过慢，天然想法很好但算法太粗浅，不错作念复杂的事情但速率受限。

其后我发现了（RBM），其荫藏单位不相互联结，叫醒阶段更新荫藏神经元更粗浅，寝息阶段有捷径虽不皆备正确但推行有用。Netflix公司便是用受限玻尔兹曼机蚁合其他步调推选电影。

为构建特征检测器层可堆叠RBM，将前一个RBM荫藏单位行动模式当数据给下一个RBM，以此捕捉复杂有关性学习多组权重，堆叠后视为前馈辘集可进行监督学习，这么驱动化辘集学习更快。因为辘集已学习了数据结构，背面用于学事物称呼相对容易，如识别物体方面。

One More Thing

就在演讲视频发布不久后，你懂的，LSTM之父又来搞事情了。

知名计算机科学家Jürgen Schmidhuber发表推文称，Hopfield & Hinton的2024年诺贝尔物理学奖是抄袭得来的。

Jürgen宣称，这两位教育再行发表了乌克兰征询者Ivakhnenko和日本征询者Amari在20世纪60年代和1970年代劝诱的步调以稀零他工夫，且莫得援用原作家。

当今这一帖子在X上仍是取得了2.1k点赞、升迁44万次浏览。

有网友示意如若事情是确切，那将比剽窃更倒霉：

不外也有网友以为这是Jürgen吃不到葡萄就说葡萄酸的容颜：

Jürgen还发表了一个详备的工夫答复，列出了两位诺贝尔获奖者使命的存疑之处，感有趣的一又友不错点击参考联结2进一步阅读。

参考联结：[1]https://www.youtube.com/watch?v=lPIVl5eBPh8

[2]https://people.idsia.ch/~juergen/physics-nobel-2024-plagiarism.html#DLP