【專欄】AI教父榮獲今年諾貝爾物理獎的啟示

2024年諾貝爾物理獎於10/8揭曉，由美國學者約翰霍普菲爾德（John Hopfield）與加拿大學者傑弗里辛頓（Geoffrey Hinton）共同獲獎，他們運用物理學工具開發了構成當今強大機器學習技術基礎的方法。
https://www.youtube.com/live/Y3wVYbXoB_A?si=lILXwygGpq3nY654
91歲約翰·霍普菲爾德在1982年發明聯想神經網路，76歲的傑佛瑞·辛頓則是反向傳播算法和對比散度算法的發明者之一，同時也是深度學習的推動者，被譽為是「深度學習教父」。https://www.cna.com.tw/news/ait/202410080438.aspx
Hopfiled神經網絡是一種遞歸神經網絡，由John Hopfield在1982年發明。Hopfield網絡是一種結合存儲系統和二元系統的神經網絡。他引入「能量函數」（energy function）的概念，闡明了神經網路與熱力學之間的關系。能量函數通常指的是一種函數，它將一個向量表示成它在空間中的位置，並在空間中求出它的能量值。

美國學者約翰霍普菲爾德，圖/截自諾貝爾網站

反向傳播（Backpropagation，意為誤差反向傳播，縮寫為BP）是對多層類神經網路進行梯度下降的演算法，也就是用鏈式法則以網路每層的權重為變數計算損失函式的梯度，以更新權重來最小化損失函式。
深度信念網路（Deep Belief Networks, DBN) 是一種結合無監督學習與監督學習的深度神經網路結構，最早由 Geoffrey Hinton 提出。它是建立在侷限型波茲曼機（Restricted Boltzmann Machines, RBM）的基礎上，通過逐層預訓練學習數據的隱含特徵，然後再進行細調。
玻爾茲曼機可被視作隨機過程的，可生成的相應的霍普菲爾德神經網絡。它是最早能夠學習內部表達，並能表達和解決組合優化問題的神經網絡。它由玻爾茲曼分布得名，該分布用於玻爾茲曼機的抽樣函數。
霍普菲爾德創造了一種聯想記憶，可以儲存和重建圖像及其他類型的數據模式；辛頓則發明了一種能夠自動在數據中發現屬性的方法，從而執行諸如識別圖片中特定元素的任務。
約翰·霍普菲爾德可說是橫跨文理界的通才，1954年獲得斯沃斯莫爾學院文學士學位，1958年獲康奈爾大學凝聚態物理博士學位，畢業後從事物理與生化的研究，之後又涉及資工！
https://en.m.wikipedia.org/wiki/John_Hopfield

被稱為AI教父的辛頓，是1名電腦科學家，曾獲得被譽為資工界諾貝爾獎的「圖靈獎」。圖/截自諾貝爾網站

被稱為AI教父的辛頓，則是1名電腦科學家，曾獲得被譽為資工界諾貝爾獎的「圖靈獎」，並曾示警「AI發展可能跟核武一樣危險」，提醒大家要注意AI使用的規範，引發全球關注。https://www.bnext.com.tw/article/75069/geoffrey-hinton-google-ai
以上的兩位的發明與物理的熱力學有關，可見物理是所有科學之母，連AI都不例外。想學好AI的人，非熟悉物理不可。
AI的發展可說是物理、生物與化學等各種科學的結晶，是人類智慧的最高成就，然而對人類是福或是禍，尚言之過早。
當今世界有兩大集團，一個是正義的，另一個是邪惡的，前者利用AI發展醫學技術造福世人，何者則是利用它發明殺人武器或是控制人民的監視器。
愛因斯坦曾經說過，只有兩樣東西可能是沒有極限的，其一是宇宙，其二是人類的愚蠢。觀諸今日世界，可思過半矣。