学科交叉研究为人工智能开辟新天地

10月8日,美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·辛顿,因在使用人工神经网络机器学习方面的基础性发现和发明而荣获2024年诺贝尔物理学奖。

  10月8日,美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·辛顿,因在使用人工神经网络机器学习方面的基础性发现和发明而荣获2024年诺贝尔物理学奖。

  得知诺奖授予人工智能领域的研究者,上海交通大学人工智能学院教授张娅既震惊又激动。“震惊的是诺贝尔物理学奖竟然颁给了计算机科学家,激动的是人工智能领域获得了更广泛的认可。”张娅说。

  在人工智能领域作出奠基性贡献

  人工神经网络是一种模拟人脑神经元工作方式的机器学习模型,旨在通过模仿大脑的工作方式来处理复杂的计算问题。如今人工神经网络被广泛应用于医学、工程等各个领域,而且有望用于设计下一代计算机。

  “表面上看,2024年诺贝尔物理学奖授予了人工智能领域,但从更广泛的意义上讲,这个奖实际上授予了理论物理学。”中国科学院自动化研究所研究员、联合国人工智能高层顾问机构专家曾毅说,两位获奖者的研究背景都起源于物理学。

  刚刚获奖的两位科学家,在人工神经网络研究方面做了很多奠基性工作。

  “辛顿提出了反向传播算法,让人工神经网络的训练成为了一种可能;霍普菲尔德提出了霍普菲尔德网络,这个网络对早期人工神经网络发展具有重要意义,20世纪80年代,许多物理学家都曾利用霍普菲尔德网络实现了由物理学到神经科学的跨越。”张娅说。

  “1986年,辛顿发表了反向传播算法的经典论文。虽然反向传播算法诞生于20世纪60年代,但这篇论文让人们真正认识到它的重要性,掀起了神经网络研究领域的‘文艺复兴运动’。”商汤智能产业研究院院长田丰说,今天,生成式人工智能大模型、多模态大模型的训练都离不开反向传播算法。

  “从人工智能的视角观察,可以说他们两位最核心的科学贡献,是将起源于理论物理、生物物理两个学科的理论成功应用于构建人工智能科学理论。学科交叉研究为人工智能开辟了新天地。”曾毅说。

  曾毅认为,霍普菲尔德对记忆与关联学习的智能理论计算模型贡献很大,该模型在结构上是一个典型的循环神经网络,其结构类似于人脑中的海马体脑区;而辛顿对深度神经网络及其训练方法的贡献,主要在层次化与抽象化学习的智能理论计算模型方面,该模型在结构上是一个典型的层次化神经网络,相似的结构可以在人类大脑皮层连接模式中找到。

  坚守曾经走不通的冷门专业

  被誉为“AI教父”的辛顿,是现代俗称的人工智能三巨头之一,目前国际上活跃的很多人工智能专家都是他的学生或同事,比如,openAI曾经的首席科学家伊利亚·苏茨克韦尔就是他的博士生。

  “辛顿在1978年获得人工智能博士学位后,正赶上人工智能低谷期。那个时候人工智能领域的主流理论是符号主义和专家系统,神经网络这条路一度走不通。然而,辛顿并没有放弃,一直坚持在神经网络领域做探索。”田丰说,直到2000年左右GPU兴起,辛顿才取得一些重大突破。此后,他带领学生一路披荆斩棘,在人工智能领域获得多个里程碑式成果。

  “可以说,辛顿在青年时期很苦,那时候神经网络这个研究方向看不到希望,因为那时候既没有海量的互联网数据,也没有强大的GPU算力,只有算法,神经网络这条路显然是走不通的。同时人工智能也是一个冷门专业,学这个专业的人也不好找工作。”田丰告诉科技日报记者,而人工智能的快速发展,却得益于辛顿在学术上的坚守。

  现在,辛顿高度关注人工智能的安全风险。“针对人工智能可能产生滥用恶用、人工智能对人类可能造成的生存风险,辛顿不仅进行了理论研究,还积极面向公众开展演讲,以提升公众对人工智能风险的认知。”曾毅说。

  在曾毅看来,与诸多获得诺贝尔奖的科学成果一样,霍普菲尔德和辛顿的科学贡献都经受住了时间和实践的检验。

  “受理论物理与生物物理启发的人工神经网络理论与模型,不仅是现代人工智能最重要的理论基础之一,近两年在诸多科学领域也取得了显著和广泛的应用效果,正在改变甚至是颠覆诸多学科的研究范式。”曾毅说。

  (记者 陆成宽)

[ 责编:邢彬 ]
免责声明:本文内容来源于第三方或整理自互联网,本站仅提供展示,不拥有所有权,不代表本站观点立场,也不构成任何其他建议,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容,不承担相关法律责任。如发现本站文章、图片等内容有涉及版权/违法违规或其他不适合的内容, 请及时联系我们进行处理。

相关推荐

  • 人工智能为戏剧舞台增添科技“灵韵”

    科技发展给人类社会带来巨大改变,为艺术的审美表意拓展了新空间。近些年,以技术发展为支撑的人工智能(AI)赋能戏剧艺术,将人类与AI各自的优势结合起来,使舞台艺术的创作思路更加开阔、表现形式更加多样、创作风格更加突出,实现了AI技术和现代戏剧舞台艺术的协同创新。

    2024-11-17
  • 北京发布教育领域人工智能应用指南

    近日,2024年北京市数字教育工作推进会在京举行,《北京市教育领域人工智能应用指南》(以下简称《指南》)在会上正式发布,明确人工智能在北京教育领域应用规范,指导学校、师生稳妥有序地开展应用实践。

    2024-11-04
  • 明年大中小学普遍开展人工智能应用

    昨日,在2024年北京市数字教育工作推进会上,《北京市教育领域人工智能应用指南》(以下简称《指南》)发布。不仅如此,本市将设置动态调整机制,确保《指南》内容随技术发展和教育需求变化而优化,帮助学校持续改进人工智能应用策略。

    2024-10-28
  • 青少年人工智能素养与通识教育论坛在京举办

    7月29日,青少年人工智能素养与通识教育论坛在北京师范大学京师学堂隆重举行,本次论坛由联合国教科文组织人工智能与教育教席、中国教育发展战略学会主办,中国教育发展战略学会教育教学创新专业委员会、互联网教育智能技术及应用国家工程研究中心承办,37名国内外著名专家学者、教育局长、信息中心主任、中小学校长,围绕中小学人工智能通识教育,从国家发展、教学育人、教育政策、教育理论、AI技术发展、区域教育推进、学校教学实施等方面,进行了深入的交流和研讨,对基础教育阶段如何认识、理解、实施人工智能通识教育提供了方向指引和可借鉴的经验。

    2024-08-05
  • 2024人工智能与教育发展大会在青岛举行

    7月16-17日,2024人工智能与教育发展大会在青岛举行,主题为“新智能·新学习·新未来——人工智能下的教育大趋势”。大会由中国教育三十人论坛、青岛市海尔教育发展基金会主办,中国深度学习中心(DLC)、青岛海尔学校承办,青岛市教育学会协办。

    2024-07-22
  • 培养具备人工智能素养的下一代

    人工智能(AI)的快速发展预示着我们正迈入一个全新的时代,它将根本性地改变我们的工作和生活方式。人工智能在教育、医疗诊断、自动驾驶、智能家居、职业技能更新和创意产业等多个领域展现出巨大潜力。

    2024-07-07
  • 清华大学成立人工智能学院

    在清华大学113周年校庆到来之际,清华大学成立人工智能学院,聚焦“人工智能核心基础理论与架构”和“人工智能+X”两个重点方向,以高定位和新机制建设中国自主的“AI顶尖人才和原始创新基座”,为实现高水平科技自立自强提供有力支撑。

    2024-05-03
  • 借力人工智能 加速推进教育数字化转型

    日前,教育部举办数字教育集成化、智能化、国际化专项行动暨“扩优提质年”启动仪式。启动仪式上,教育部启动人工智能赋能教育行动,推出4项具体行动,包括国家智慧教育公共服务平台当日上线“AI学习”专栏,推动国家智慧教育公共服务平台智能升级,实施教育系统人工智能大模型应用示范行动,将人工智能融入数字教育对外开放。

    2024-04-04
  • 两个人工智能系统说起“悄悄话”

    瑞士日内瓦大学的一个科学家团队在人工智能(AI)研究方面取得一项突破:他们让两个AI系统进行了前所未有的语言交流。该成果发表在最新一期《自然·神经科学》上。

    2024-03-25
  • 人人皆学 处处能学 时时可学——看人工智能如何赋能终身学习

    近日,在国家开放大学(以下简称“国开大”)智慧教学研讨会暨人工智能赋能英语智慧教学改革试点总结活动上,气氛热烈。通过数字技术赋能教育,推动“大规模的标准化教育”转向“大规模的个性化学习”,针对学生特点的个性化教学模式正面临着创新转型的时刻。

    2024-01-08