諾貝爾委員會在聲明中表示：「儘管電腦無法思考，但機器如今能夠模仿記憶和學習等功能。今年的物理學獎得主使這一切成為可能。」
該委員會於週一在瑞典宣布了這一享有盛譽的榮譽，這一獎項被視為科學成就的巔峰，獎金為1100萬瑞典克朗（約100萬美元、3220萬元台幣）。
霍普菲爾德在普林斯頓大學任教，辛頓則是多倫多大學，他們為當今許多產品提供動力的機器學習奠定了基礎而受到讚譽。
「他們使用物理學的基本概念和方法，開發了利用網絡結構來處理信息的技術，」委員會表示，這使得過去二十年來機器學習的發展「爆炸性增長」。
霍普菲爾德創造了一種聯想記憶，可以儲存和重建圖像及其他類型的數據模式；辛頓則發明了一種能夠自動在數據中發現屬性的方法，從而執行諸如識別圖片中特定元素的任務。
被稱為人工智慧（AI）「教父」的辛頓表示，他對獲得這一獎項感到「驚訝」。
接受記者詢問時，辛頓談到了他的研究所幫助開發的技術的潛在重要性，他表示，人工智慧將對我們的社會產生「巨大影響」。
他在得主揭曉後的連線訪談表示。「這將與工業革命相媲美。但不同的是，它將超越人類的智力，而不是體力。我們對於擁有比我們更聰明的事物的經驗是零」。
人工智慧（AI）已經成為使用人工神經網絡進行機器學習的代名詞。這項技術由霍普菲爾德和辛頓）開發，靈感來自於大腦的結構。
大腦擁有神經元，而人工神經網絡則擁有具有不同數值的節點。大腦的神經元通過突觸相互交流，而人工節點則通過連接相互影響。你可以通過加強節點之間的連接來訓練人工神經網絡，就像你可以通過學習來訓練大腦一樣。
正如我們可以回想一個很少用的詞或模糊記得的事實，人工神經網絡也能通過保存的模式進行搜索——這要歸功於霍普菲爾德在1982年發明的霍普菲爾德網絡。
在霍普菲爾德發表研究後，辛頓使用統計物理學的概念擴展了這項技術，並開發了最早的機器學習形式，稱為「玻爾茲曼機器」（Boltzmann Machine）。
自1980年代以來，這些網絡的規模不斷增長。霍普菲爾德最早使用的網絡只有30個節點，節點之間的參數不到500個，而如今的網絡可以包含超過一兆個參數。
與傳統軟件不同，傳統軟件像是遵循一個烤蛋糕的食譜，而人工神經網絡則能夠通過示例進行學習——憑藉先前的知識創造新的「食譜」。
點擊閱讀下一則新聞
