諾貝爾物理學獎頒給人工神經網路學者 專家解析:生成式AI重要原理
今年諾貝爾物理學獎,由約翰.霍普菲爾(John J. Hopfield)和傑佛瑞.辛頓(Geoffrey E. Hinton)獲得殊榮,他們使用統計物理學的模型發展出方法,讓人工神經網路能夠用於機器學習,帶來突破性的研究與應用。台灣科技媒體中心今(10/8)邀請專家分析人工神經網路研究的重要性,指出兩位得獎者的研究奠定了廣大AI應用的基礎。
台灣科技媒體中心於今天(10/8)傍晚舉辦線上記者會,隨後透過新聞稿說明內容。國立清華大學物理學系特聘教授林秀豪說明,這次得獎的看似屬於電腦科學領域,但得獎者之一的霍普菲爾是物理學家,他參考統計物理學的理論,模擬人腦中的神經細胞連結,提出原始的人工神經網路,藉由神經元間的連結變強或變弱,達到學習與記憶的功能。
林秀豪指出,另一位得獎者辛頓的工作,則是將霍普菲爾的神經網路進一步發展,結合統計物理與資訊科學的技術,建構出能夠處理複雜資訊的人工神經網路,是現在人工智慧技術的基石。
林秀豪提到,人工神經網路領域的研究隨著電腦軟、硬體的進步,可以跑得動更多層、架構更複雜的神經網路,開始能夠解決實際世界的問題,同時換名字為深度學習。2012年開始在學界和應用上站穩腳步,開啟更多深度學習的研究,也讓辛頓和另外兩位研究者,約書亞.班吉歐(Yoshua Bengio)與楊立昆(Yann LeCun),共同在2018年拿到被認為是電腦科學領域的諾貝爾獎「圖靈獎」, 並列「深度學習三巨頭」。
東海大學應用物理學系教授施奇廷說,辛頓十分關心人工智慧造成的爭議,近期也提醒人工智慧領域的研究必須謹慎發展,避免造成傷害。施奇廷說明,這次得獎的研究初衷是向人腦學習,如同人類腦細胞互相連結,且學習和記憶的過程會重塑腦細胞之間的連結強度,兩位得獎者根據人腦細胞對外界刺激有不同反應的概念,做出了人工智慧的模型。
施奇廷表示,物理學家希望電腦的網路要符合物理定律,但是卻花太久時間找到最佳的連結模式,很難應用,後續的科學家逐漸簡化模型,加上限制條件,成為較單純、單方向傳遞訊息的人工神經網路,例如車牌辨識系統就是生活中常見的應用。
中興大學資工系吳俊霖主任透過台灣科技媒體中心表示,這幾年人工智慧在電腦視覺與自然語言處理,包含大家所熟悉的YOLO模型與ChatGPT的成功,都源自於這兩位得獎的學者傑出的研究。他認為,目前人工智慧在醫學,農業工業與運動科學上都正蓬勃發展著,這兩位學者的基礎研究帶來了現今與未來的AI時代。
更多太報報導
諾貝爾物理學獎頒給美加學者「AI教父」 表彰對類神經網路的貢獻
美2學者發現微型RNA獲諾貝爾獎 有望為漸凍症解凍
諾貝爾生醫獎由兩名美國科學家獲得 表彰發現miRNA管控基因的機制
看更多相關新聞
諾貝爾物理獎 辛頓示警AI比核武危險
「AI教父」獲諾貝爾物理獎⋯家族全是超狂學霸 他童年壓力超大畢業當過木匠
諾貝爾醫學獎得主發現微型RNA獲殊榮 有望治療漸凍症
諾貝爾醫學獎得主出爐 兩位得主將抱走「這麼多」獎金
諾貝爾頒獎季 日媒看好文學獎村上春樹、多和田葉子