此外，获奖者的科学成果还应用于气候建模、太阳能电池开发和医学图像分析。
在宣布该奖项后的新闻发布会上，辛顿称他在神经网络方面的 手机号码列表 工作具有革命性，但也对其未来可能的应用表示担忧。
他说他并不后悔自己的发现，并准备再次这样做。这位科学家说：“但我担心，因此，可能会出现比我们更智能的系统，它们最终会将控制权掌握在自己手中。”
根据诺贝尔委员会的新闻稿，霍普菲尔德和辛顿利用物理学的科学工具开发了现代机器学习的方法。
什么是神经网络以及诺贝尔奖获得者如何帮助它们
您可能必须使用自动计算机翻译、识别文档文本，甚至与机器进行相对连贯的对话。所有这些都是技术日常使用的例子，长期以来，技术在科学研究中发挥着重要作用，承担着对大量数据进行分析并根据给定参数进行排序的任务。
在过去的 15 到 20 年里，机器学习领域经历了快速发展，特别是与基于人造神经网络的技术相关。当谈论人工智能时，最常指的就是他们。
虽然计算机当然不能独立思考，但今天的神经网络已经完全能够模仿人脑的记忆和学习等功能。
在很大程度上，这要归功于新晋的诺贝尔奖获得者。
以物理学的基本原理为基础，辛顿和霍普菲尔德开发了允许使用机器网络结构来处理信息的算法，这使得程序能够在没有人帮助的情况下进行自我学习和改进。
我们熟悉的软件使用一组现成的算法，可以将其与烹饪食谱进行比较：它是关于如何以给定数量混合一组给定成分以获得所需结果的说明。
神经网络不是根据特定食谱进行训练，而是根据通用示例（例如，取自各种食谱）进行训练，这使得它们更加灵活，使它们能够解决对于分步指令来说可能过于复杂和模糊的任务。例如，分析照片并确定照片上到底描绘了什么。
什么是“Hopfield 网络”
约翰·霍普菲尔德（John Hopfield）创建了一种联想存储器，可以存储和检索图像以及数据中其他类型的结构。 Jeffrey Hinton 发明了一种方法，可以独立查找数据集中的各个参数，并且能够识别照片中的特定元素。
杰弗里·辛顿
科学家们依靠人脑的结构创造了神经网络技术。
计算机神经网络的节点按照类似于人脑工作原理的原理相互连接。例如，网络通过在同时具有同样高时间值的节点之间建立更强的连接来进行学习。
Hopfield 和 Hinton 自 20 世纪 80 年代以来一直致力于神经网络的开发。
约翰·霍普菲尔德发明了一种使用存储和再现重复模式的方法的网络。
在创建“霍普菲尔德网络”的过程中，科学家依赖于量子力学研究的原理：由其原子自旋（即粒子的属性之一）决定的系统特征。
网络的描述方式与物理学中描述系统自旋能量的方式相同。这种网络的训练是在寻找其节点之间提供系统最小能量的连接参数的过程中进行的。
当网络呈现不完整或扭曲的图像时，它会迭代节点并更新它们的值，以使系统的整体能量最小。因此，例如，网络会在内存中搜索并找到与提供给它的图像尽可能相似的图像。
Geoffrey Hinton 使用 Hopfield 网络作为使用不同方法的新网络的基础：玻尔兹曼机，这是 Hinton 与 Terry Seinowski 于 1985 年发明的一种神经网络。这样的网络可以学习识别给定类型数据中的特征元素。
辛顿应用了统计物理学的工具。由许多相同组件构建的系统科学。为了训练网络，提供了在其运行期间可能发生的示例。
玻尔兹曼机可用于对图像进行分类或生成其所训练的模式类型的新示例。
诺贝尔物理学奖
去年，皮埃尔·阿戈斯蒂尼（Pierre Agostini）、费伦茨·克劳斯（Ferenc Krause）和安妮·鲁伊尔（Anne L'Huier）因实验开发超短激光脉冲技术而获得诺贝尔物理学奖，该技术实际上使科学家能够“观察原子内部”。
自1901年以来，诺贝尔物理学奖已颁发117次，获奖者225人。
所谓的诺贝尔周传统上于十月初在斯德哥尔摩举行。物理奖为二等奖。
第一天，医学和生理学领域的获奖者成名。然后是物理、化学和文学领域的奖项，并在周末宣布诺贝尔和平奖的获得者，不仅是个人，而且是整个组织。这是唯一一个不是由瑞典科学院而是由挪威科学院颁发的奖项。
