诺贝尔物理学奖获得者因“利用物理学工具训练人工神经网络”而获奖
诺奖委员委员会表示，今年的两位诺贝尔物理学奖得主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，并进一步阐述其获奖工作的细节。
约翰·霍普菲尔德发明了一种网络，它使用一种保存和重新创建模式的方法。霍普菲尔德网络利用物理学来描述材料由于原子自旋而产生的特性。整个网络的描述方式相当于物理学中自旋系统的能量，并通过寻找节点之间连接的值来进行训练，以便保存的图像具有较低的能量。当霍普菲尔德网络被输入扭曲或不完整的图像时，它会有条不紊地处理节点并更新它们的值，从而降低网络的能量。因此，网络逐步找到与输入的不完美图像最相似的保存图像。
杰弗里·辛顿以霍普菲尔德网络为基础，创建了一个采用不同方法的新网络：玻尔兹曼机，它可以学习识别给定类型数据中的特征元素。辛顿使用了统计物理学的工具，统计物理学是由许多相似组件构建的系统科学。通过输入机器运行时很可能出现的示例来训练机器。玻尔兹曼机可用于对图像进行分类或创建训练模式类型的新示例。辛顿在此基础上继续发展，帮助开启了机器学习的爆炸式发展。
—— 诺贝尔奖