瑞典皇家科学院当地时间10月8日宣布，将2024年诺贝尔物理学奖授予约翰·J·霍普菲尔德和杰弗里·E·辛顿，表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。奖金为1100万瑞典克朗（约合人民币745万元）。
两位获奖者从20世纪80年代起就开展了与物理学相关的人工神经网络的重要工作。
两人使用物理学工具开发了今天机器学习技术的基础方法。约翰·J·霍普菲尔德创造了一种关联记忆，它能够存储和重构图像以及其他模式类型。杰弗里·E·辛顿发明了一种能够自主发现数据中属性的方法，并执行任务，如识别图像中的特定元素。辛顿将霍普菲尔德网络的想法应用于一种新网络，这种新网络使用另一种方法：玻尔兹曼机。玻尔兹曼机可以学习给定数据类型的特征元素，可以用来分类图像或创建新材料。这种机器学习帮助推动了当今机器学习的快速发展。
（来源：央视新闻）
约翰·J.霍普菲尔德是美国物理学家、神经科学家，普林斯顿大学教授。霍普菲尔德 1933 年出生于美国伊利诺伊州，1958 年获得康奈尔大学博士学位。他在 1982 年发明了著名的霍普菲尔德神经网络（Hopfield neural network），这是第一个能够储存多种模式，并具备记忆功能的神经网络模型，是神经网络发展早期的一座重要的里程碑。霍普菲尔德神经网络的诞生为递归神经网络的发展铺平了道路，其提出的能量最小化原理，对于解决优化问题产生了深远影响。
杰弗里·E·辛顿是英裔加拿大计算机科学家、神经科学家，加拿大多伦多大学教授，前“谷歌大脑”负责人。辛顿1947 年出生于英国伦敦，1978 年获得爱丁堡大学人工智能博士学位。辛顿是神经网络早期（且一直没有放弃）的重要研究者之一。20 世纪 80 年代，他为将反向传播算法引入多层神经网络训练做出了重要贡献， 并发明了“玻尔兹曼机”——一种在霍普菲尔德神经网络的基础上发展而来的随机递归神经网络。在 2012 年，辛顿及两位学生 Alex Krizhevsky、Ilya Sutskever 发明的AlexNet在计算机视觉竞赛 ImageNet 中以压倒性优势取得冠军，创造了深度神经网络发展的里程碑，并激发了大量采用卷积神经网络和图形处理器加速深度学习的研究。辛顿与 Yoshua Bengio 和 Yann LeCun 并称为“深度学习三巨头”、“AI教父” ，共同获得 2018 年图灵奖。2023 年 5 月，在ChatGPT横空出世半年后，辛顿宣布从谷歌辞职，以便能够“自由地谈论人工智能的风险”。他对人工智能的恶意滥用、其引发的技术性失业以及人类的生存风险表达了深切的担忧。
