2024 年诺贝尔物理学奖的两位获奖者 John Hopfield 和 Geoffrey Hinton 最近在斯德哥尔摩大学发表了最新的演讲。

现场的氛围稀疏激烈！

看到 Hopfield 老师即使借助手杖也躬行到达现场发表了演讲，Hinton 老师也忍着腰痛专程飞到瑞典，让不雅众们稀疏敬佩。

在此次举止中，John Hopfield 老师的演讲主题是"物理学是一种不雅点"，申报他个东谈主的科研资历和作念科研的想考时势。

他坦荡了好多对于科研和对物理的目标：

怎样聘用问题是科研效果的要道要素

大脑是怎样产生想想的，这对我来说是东谈主类最广大的问题

我认为物理学有助于劝诱东谈主类和寰宇

Geoffrey Hinton 老师则用阳春白雪的姿首申报了Hopfield 网络和玻尔兹曼机器的旨趣与发展，全程莫得用一个方程式。

当咱们最终了解了大脑是怎样学习的时辰，我服气休眠的作用一定瑕瑜常进犯的，对此我稀疏乐不雅

两位老师戒指演讲时，台下的不雅众亦然忍不住齐站起来向他们饱读掌请安。

以下是现场演讲履行，在不改变情愿的情况下，量子位对部分篇幅作念了调遣。

John Hopfield：物理学是一种不雅点

约翰 · 霍普菲尔德于 1933 年出身于芝加哥，1954 年在威廉 · 莫尔学院赢得第一个学位，1958 年在康奈尔大学赢得博士学位。1964 年，他被任命为普林斯顿大学物理学老师，1980 年景为加州理工学院化学和生物学老师，之后他回到普林斯顿大学，当今是分子生物学名誉老师。

（以下为 John Hopfield 老师发言）

我的第一份全员职责是在比尔电话公司发明晶体管的实验室，我加入了一个六东谈主小组。初入实验室时，我在新办公室通达竹素期刊，参不雅库存室获取文具后，想考着下一步职责。

在科研中，大批东谈主常鲁人持竿，很少深刻想历练究地点的聘用，而这正是科研效果的要道要素。我在科研中撰写了 40 余篇论文，几年前造成的职责基础最终发展成霍普菲尔德模子，关连不雅点源于对飞速事件的分析。

我成长于物理学家家庭，自幼受物理学不雅念训诫，心爱探索事物旨趣，如拆解自行车、进行化学实验等，这让我概况劝诱复杂系统运作。上高中时，化学老非敦朴常出色，物理敦朴却对电磁学旨趣劝诱不及，这影响了我大学专科聘用，但最终我决定在斯沃斯莫尔学院专注物理。

参预物理学商讨生院后，我在康奈尔大学学习，时间与 Albert Overhauser 合营，从他的商讨列表中遴选晶体中激子放射寿命关连问题，开启商讨。赢得博士学位后，我在表面小组任职，后默契化学家 David G. Thomas，成立表面实验定约，取得效果并获奥利弗里 · 巴克利固体物理学奖。

之后，我在商讨中碰到瓶颈，前去剑桥大学寻找新地点，回普林斯顿后担任半导体组看管人，斗争到血红卵白关连实验，为我从凝华态物理转向生物物理提供机会，我也受 Linus Pauling 不雅点启发商讨卵白质合成问题并取得效果。

1974 年论文影响我对生物常识题的商讨想路，促使我想考神经元网络特质等。1977 年在哥本哈根举办研讨会后，我寻求跨学科糟蹋，受邀参加神经科学会议，天然那时一无所知，其后加入技俩赢得神经生物学灵感。

1979 年，我转任化学和生物学老师，发现了学科运筹帷幄，提议新诡计观点并撰写论文，该论文鼓吹了关连畛域发展。

其后，我发现霍普菲尔德模子网络问题，2015 年与他东谈主合营提议密集梦想挂牵模子，期许鼓吹东谈主工智能发展。

我稀疏尊重各个畛域的群众，积极参与跨学科互动，我认为物理学有助于劝诱东谈主类与六合。

Hinton：Hopfield 网络与 Boltzmann 机的发展

杰弗里 · 辛顿，1947 年生于英国伦敦，获剑桥大学实验心理学博士学位，曾在爱丁堡大学从事东谈主工智能博士后商讨，在多所大学任职，现从事学术商讨，并在谷歌公司任职。

（以下为 Geoffrey Hinton 老师发言）

今天我将毋庸任何方程式，向豪爽不雅众种植 Hopfield 网络。

先来看一个二元神经元版块的小霍普菲尔德网络，其神经元间有对称加权劝诱，网络全局景象是确立，确立有优良性（单位对权重总数），能量是优良性违犯数，会聚首镇定于能量最小值。

霍普菲尔德提议用能量最小值对应挂牵，通过二元有遐想端正算帐不竣工挂牵，达成履行可寻址内存。

特里 · 西诺斯基和我提议用网络构建感官输入施展，网络含可见和覆盖神经元，可见经受感官输入（如二进制图像），覆盖构建施展，能量代表施展横蛮进程，咱们需要顽劣量施展。

以线条画为例，有不同三维施展，咱们要让网络给出施展。

先将线条改造为线条神经元激活，线条神经元与三维角落神经元劝诱，磋商感知光学要素让角落神经元互相扼制，还要依据图像线条劝诱原则开采劝诱，但愿通过诞生劝诱强度使网络经管两种替代施展。

这产生两个问题：一是幸免堕入局部最优的搜索问题；二是神经网络自动学习劝诱的问题。

对于搜索问题，咱们通过使神经元有噪声经管，有噪声神经元景象是二元的但有遐想具有概随和。

用覆盖神经元施展二进制图像时，在可见单位固定图像，飞速选覆盖神经元凭据输入决定其景象，执续操作使系统达热均衡，此时覆盖神经元景象是均衡施展，网络学习正确权重使顽劣量景象对应更好的施展，热均衡是系统镇定于概率散布（波尔兹曼散布），顽劣量确立概率大。

玻尔兹曼机学习遐想是使网络生成的图像肖似它感知到的真确图像，有粗陋学习算法，含叫醒和休眠阶段。

叫醒阶段固定图像于可见单位，让覆盖单位达热均衡后调遣劝诱权重，休眠阶段肖似作念梦更新神经元达热均衡后反向调遣权重，该算法平均上能让网络生成图像经过肖似感知图像，触及对数似然梯度见识，通过改变权重使网络热心 wake 阶段看到的数据。

但玻尔兹曼机存在问题，权重变大时热均衡经过慢，天然目标很好但算法太粗陋，不错作念复杂的事情但速率受限。

其后我发现了受限玻尔兹曼机（RBM），其覆盖单位不互相劝诱，叫醒阶段更新覆盖神经元更粗陋，休眠阶段有捷径虽不十足正确但奉行灵验。Netflix 公司即是用受限玻尔兹曼机劝诱其他顺序推选电影。

为构建特征检测器层可堆叠 RBM，将前一个 RBM 覆盖单位举止时势当数据给下一个 RBM，以此捕捉复杂关连性学习多组权重，堆叠后视为前馈网络可进行监督学习，这么运行化网络学习更快。因为网络已学习了数据结构，后头用于学事物称号相对容易，如识别物体方面。

One More Thing

就在演讲视频发布不久后，你懂的，LSTM之父又来搞事情了。

著名诡计机科学家J ü rgen Schmidhuber发表推文称，Hopfield & Hinton 的 2024 年诺贝尔物理学奖是抄袭得来的。

J ü rgen 宣称，这两位老师再行发表了乌克兰商讨者 Ivakhnenko 和日本商讨者 Amari 在 20 世纪 60 年代和 1970 年代开发的顺序以偏激他本事，且莫得援用原作家。

当今这一帖子在 X 上依然赢得了 2.1k 点赞、跳跃 44 万次浏览。

有网友示意若是事情是确切，那将比剽窃更厄运：

不外也有网友认为这是 J ü rgen 吃不到葡萄就说葡萄酸的心理：

J ü rgen 还发表了一个详备的本事回报，列出了两位诺贝尔获奖者职责的存疑之处，感兴味的一又友不错点击参考贯串 2 进一步阅读。

参考贯串：

[ 1 ] https://www.youtube.com/watch?v=lPIVl5eBPh8

[ 2 ] https://people.idsia.ch/~juergen/physics-nobel-2024-plagiarism.html#DLP

—  完  —

点这里� � 热心我，铭记标星哦～

一键三连「共享」、「点赞」和「在看」

科技前沿发扬日日相遇 ~