奠定机器学习基础 美加学者共获诺贝尔物理学奖

来自美国及加拿大的两名物理学家霍菲尔（John J. Hopfield）及辛顿（Geoffrey E. Hinton），运用物理学工具创造了一种联想存储器，可以存储和重建数据中的图像和其他类型的模式，奠定了当今机器自我学习的基础。

根据诺贝尔官网，人工智能技术的灵感最初来源于大脑结构。在人工神经网络中，大脑的神经元由具有不同值的节点。

这些节点通过类似于突触的连接相互影响，例如通过在同时具有高数值的节点之间建立更强的连接，可以对网络进行训练。

霍菲尔及辛顿从20世纪80年代起，就在人工神经网络方面开展了重要研究工作。

霍菲尔以原子自旋而产生的特性，建构了联想神经网络，或当前皮称为“霍菲尔网络”理论。

辛顿则在上述基础上，开发出玻尔兹曼机（Boltzmann machine），可以独立发现数据属性的方法，这对于现在使用的大型人工神经网络来说已经变得很重要。

波尔兹曼机器可以用来对图像进行分类，或创建新的模式示例。辛顿在这项工作的基础上，帮助启动了当前机器学习的爆炸式发展。

霍菲尔今年高龄91岁，是美国普莱辛顿大学物理教受；辛顿现年77岁，是加拿大多伦多大学物理学教授。