美加雙雄獲物理學諾獎研人工神經網絡助電腦學習發展AI

諾貝爾獎2024昨天公布物理學獎，兩位獲獎者是美國科學家霍普菲爾德(John Hopfield)，以及英國出生的加拿大電腦科學家欣頓(Geoffrey E. Hinton)。他們的貢獻涉及用物理學方法來訓練「人工神經網絡」(artificial neural networks)，有份推動如今炙手可熱的人工智能(AI)技術，被視為電腦模仿人腦學習的重要推手。

瑞典皇家科學院表示，向霍普菲爾德和欣頓頒發物理學獎，是要表揚「他們的基礎發現和發明，令電腦得以藉著人工神經網絡機器來學習」。公告稱，二人是利用物理學，在資訊海中找出規律(used physics to find patterns in information)、並用物理學訓練人工神經網絡(trained artificial neural networks using physics)。目前民眾得以用電腦翻譯語言、解讀圖像，甚至跟電腦對話，一切都要拜電腦藉由「人工神經網絡」學習所賜。

「人工神經網絡」模仿人腦

電腦要從例子中學習，類似於人腦的「人工神經網絡」是關鍵。科學家早於上世紀四十年代已開始研究人腦的神經元(neurons)及突觸(synapses)背後的數學原理，亦有神經科學家提出當神經元在工作時，它們之間的連接會加強。神經元是大腦和神經系統中的基本功能單元，負責接收、處理和傳遞資訊，各神經元之間由突觸相互連接，形成複雜的網絡。

不少人都會「噏到口唇邊」、有粗略記憶但又說不出想說詞語的經歷。霍普菲爾德發明有「聯想記憶力」的「霍普菲爾德網絡」(The Hopfield network)，重點是懂得「儲存」和「重構」圖像或其他數據規律。該網絡以模仿神經元的「節點」(nodes)連接而成，經過「訓練」後，能夠從不完整或輕微扭曲的規律中，找出已儲存的最相近規律——就像人們從腦海中一大堆差不多的詞語中，找出正確的一個。

「霍普菲爾德網絡」基礎上更進一步

至於欣頓則從「霍普菲爾德網絡」的基礎上，發明了名為「玻爾茲曼機」(Boltzmann machine)的人工神經網絡。它的重點是可以在茫茫數據中，自動找出箇中屬性、透過例子摸索出特定規律，可用於識別圖片中的特定元素等。諾貝爾物理學委員會主席穆恩斯表示，兩位得獎者利用統計物理學的基本概念，設計出人工神經網絡，構建了機器學習的基礎。相關技術已被用於推動多個領域的研究，包括粒子物理、材料科學和天體物理等，也已用於日常生活中的人臉識別和語言翻譯等。