日本剧烈运动摇床运动打扑克视频_教育热点_2024年诺贝尔物理学奖授予AI研究，获奖得主曾警告AI失控日本剧烈运动摇床运动打扑克视频风险

2024年诺贝尔物理学奖授予AI研究，获奖得主曾警告AI失控日本剧烈运动摇床运动打扑克视频风险_ZAKER新闻

　　以后怎么办，李琴还没有太多想法。3个月前，她的丈夫在做农活时因一场事故去世，家里也失去唯一的经济来源。她并不为地震感到恐慌，房屋修缮的费用和3个孩子的养育重担压在她心头，她想：“再怎么说事情已经来了，该干啥，怎么做，我也不知道，反正生活就是这样过。”

图片来源：诺贝尔奖委员会蓝鲸新闻 10 月 8 日讯（记者朱俊熹）当地时间 10 月 8 日，瑞典皇家科学院宣布将 2024 年诺贝尔物理学奖授予 John Hopfield 和 Geoffrey Hinton，以表彰他们在利用人工神经网络实现机器学习方面的开创性发现。诺贝尔奖委员会在社交媒体 X 上表示，" 今年的诺贝尔物理学奖得主的突破建立在物理科学的基础之上。他们为我们展示了一种全新的方式，让我们能够利用计算机来帮助和指导我们应对社会面临的诸多挑战。"委员会进一步解释称，如今人们频频提及的人工智能，指的就是使用人工神经网络的机器学习。自 80 年代起，两位获奖者就开始对人工神经网络展开重要的研究。他们利用物理学工具开发出的方法，为当今强大的机器学习奠定了基础。受惠于这些工作，人类现在拥有了新工具，基于人工神经网络的机器学习正在彻底改变科学、工程和日常生活。John Hopfield 出生于 1933 年，现任美国普林斯顿大学教授，因在物理学和神经网络领域的贡献而闻名。1982 年，John Hopfield 提出了霍普菲尔德网络，对人工智能和神经网络的发展影响深远。这种网络模仿了人类的记忆机制，类似于大脑中神经元之间的突触连接，通过调整网络中节点间的连接，能够存储和恢复图像及其他数据模式。诺贝尔奖委员会介绍称，霍普菲尔德网络借助了物理学中自旋系统的概念。当输入扭曲或不完整的图像时，霍普菲尔德网络会有条不紊地处理节点并更新它们的值，逐步找到最接近的完整图像。另一位诺贝尔物理学奖得主 Geoffrey Hinton 也被广泛称作 " 神经网络之父 "、"AI 教父 "，是人工智能和深度学习领域的领军人物之一，他的学生和后辈遍布现在整个 AI 学术界和工业界。1947 年，Geoffrey Hinton 出生于英国，现任加拿大多伦多大学教授。他曾在谷歌工作了近 10 年的时间，担任副总裁兼工程研究员职务，帮助谷歌在图像识别、语音识别等人工智能领域取得重大进展。2018 年，因在深度学习领域的开创性贡献，Geoffrey Hinton 与 Yoshua Bengio、Yann LeCun 共同获得了图灵奖，这也是计算机科学界的最高荣誉。诺贝尔奖委员会在介绍中指出，基于霍普菲尔德网络，Geoffrey Hinton 开发了一种新的神经网络 " 玻尔兹曼机 "。借助统计物理学工具，玻尔兹曼机能够分析大量的示例数据，从而学习和识别特定的数据特征。Geoffrey Hinton 在此基础上进一步研究，推动了机器学习的爆炸式发展。在得知获奖的消息后，Geoffrey Hinton 在电话中告诉委员会，他 " 震惊不已 "、" 完全没想到会发生这种事。" 他对媒体表示，人工智能将与工业革命相媲美，会带来生产力的巨大提高。AI 会在智力而非体力上超越人类，" 我们从未体验过比我们更聪明的事物是什么样的 "。Geoffrey Hinton 还警告称要小心人工智能可能带来的不良后果，" 尤其是事态失控的威胁 "，担心比人类更聪明的系统会掌控一切。2023 年，Geoffrey Hinton 从谷歌离职的主要原因正是希望能更自由地讨论与 AI 相关的风险问题。在其社交媒体 X 上，最新一条帖子与呼吁通过争议性的加州 AI 法案 SB 1047 有关。该法案要求对功能强大的前沿人工智能模型进行安全测试，以保护公众利益免受伤害。当地时间 9 月 30 日，加州州长 Gavin Newsom 正式否决了这一法案，认为该法案可能过于宽泛，会给 AI 公司带来负担。在过往的诺贝尔奖中，也有一些获奖者的研究与人工智能或机器学习密切相关。以诺贝尔经济学奖为例，1978 年的得主 Herbert Simon 被认为是人工智能领域的奠基人之一，在决策理论方面提出了 " 有限理性 " 等开创性概念，之后直接影响了对 AI 系统的设计。而在今年诺贝尔生理学或医学奖的候选名单中，也出现了与 AI 相关的研究。虽然最终花落别家，备受关注的人选包括将深度学习技术引入蛋白质结构预测的生化学家 David Baker。以及谷歌旗下 DeepMind 公司的科学家 Demis Hassabis 和 John Jumper，他们开发了 AI 系统 AlphaFold，在蛋白质结构预测领域取得了革命性的突破。