今年，诺贝尔物理学奖颁给AI教父！

主要观点总结

机器学习先驱Hinton和Hopfield共同获得诺贝尔物理学奖，以表彰他们在利用人工神经网络进行机器学习方面的基础性发现和发明。他们的贡献在于使用物理学方法来寻找信息的特征，构建了为当今强大的机器学习奠定基础的方法。

关键观点总结

关键观点1: Hinton和Hopfield的背景和贡献

两位获奖者分别来自物理学和心理学背景，他们共同构建了神经网络和玻尔兹曼机，为机器学习的爆炸性发展奠定了基础。

关键观点2: 机器学习与物理学的关联

诺贝尔奖委员会指出，物理学为机器学习的发展贡献了工具，现在机器学习也应用于物理研究领域，如处理海量数据、减少引力波测量中的噪声等。

关键观点3: Hinton和Hopfield的工作对机器学习的影响

他们的获奖工作为2010年左右的机器学习革命奠定了基础，并影响了深度学习的发展。

文章预览

机器学习先驱Hinton、Hopfield共同获奖，出乎所有人意料。 文章来源｜量子位（ID：QbitAI） 诺贝尔物理学奖，今年颁给AI！ 机器学习先驱Hinton、Hopfield共同获奖，出乎所有人意料。 没错，不是事前预测中热门的凝聚态或量子物理等方向，就是AI，是机器学习，更具体来说，神经网络。 以表彰他们为利用人工神经网络进行机器学习做出的基础性发现和发明”。 那么，他们的贡献与物理关联何在呢？ 诺贝尔奖委员会揭秘： 他们利用了物理学方法来寻找信息的特征，构建了为当今强大的机器学习奠定基础的方法。 Hopfield提出的“Hopfield神经网络”，以相当于物理学中自旋系统能量的方式进行描述。 Hinton提出的“玻尔兹曼机”，则使用了统计物理学中的工具。 后来Hinton在这项工作的基础上，帮助启动了当前机器学习的爆炸性发展，也就是我们熟知的深度学 ………………………………