神经网络理论研究的挑战性课题：统计物理能否给智能科学带来第一性原理？

文章预览

导语 2024年诺贝尔物理学奖授予John Hopfield 和 Geoffrey Hinton，表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。近年来由于大型语言模型的迅速发展，对于 Hopfield 网络的研究兴趣被重新点燃。在本文中，中山大学物理学院教授黄海平列出了他认为对神经网络研究最重要的八个问题：表示学习、泛化、对抗脆弱性、连续学习、因果学习、大脑的内在模型、大语言模型、意识理论。文章也提供了对这些基本问题的背后可能构建的统计力学理论的个人观点。本文英文版在计算神经科学前沿杂志（ Frontiers in Computational Neuroscience ）发表。 集智俱乐部联合纽约州立大学石溪分校教授汪劲、德累斯顿系统生物学中心博士后研究员梁师翎、香港浸会大学助理教授唐乾元（傅渥成），共同发起「非平衡统计物理」读书会，关注非平衡统计物理的前沿 ………………………………