除了Ilya,刚拿诺奖的Hinton还教出了这些AI博士
自近日获知自己摘得诺贝尔物理学奖之后,76岁的人工智能教父GeoffreyHinton便「闲不住」了。这不,谷歌首席科学家JeffDean晒出了自己参加Hinton诺贝尔奖派对前与老爷子的合照,以及短时间内可以参加该派对的Hinton博士们。在几十年研究生涯中,Hinton培养出了40位博士生,其中不乏前OpenAI首席科学家...
深度|AI教父Hinton:我很担心AI从人类手中夺过控制权;AI智能终将...
BBCNewsnight:已经有证据表明在现在的军事冲突中,人工智能被用来生成成千上万的打击目标。这种情况从你开始对人工智能的使用发出警告时就已经发生了。这是你担心的发展路径吗?GeofferyHinton:从这件事中我们可以管中窥豹。我最担心的是这些系统能够自主决定杀人的情况,比如机器人士兵和无人机。也许我们可以制定类似...
深度|AI教父Hinton与AI教母李飞飞首次公开对谈:我们必须通过,让...
01AI专家GeoffreyHinton与斯坦福大学人工智能教授Fei-FeiLi进行了一场关于AI发展的对话,讨论了技术与人性的交织、多重风险与威胁以及公共部门与私营部门合作的重要性。02他们认为,AI技术具有巨大的潜力,可以创造“尊严经济”,让人们专注于个性化和激情方面的工作,但同时也需要面对灾难性风险,如虚假信息、武器化等。
诺贝尔物理学奖:Hopfield和Hinton的人工智能如何改变我们的世界
Hopfield网络可以像拼写检查器那样存储模式并纠正模式中的错误,而玻尔兹曼机可以生成新的模式,从而为现代生成式人工智能革命埋下了种子。杰弗里·辛顿还参与了20世纪80年代发生的另一项突破:反向传播。如果你想让人工神经网络完成有趣的任务,你必须为人工神经元之间的连接选择合适的权值。反向传播是一种关键算法,它可...
2024年诺贝尔物理学奖授予人工智能先驱Hopfield和Hinton
据2024年10月8日路透社斯德哥尔摩报道,诺贝尔奖委员会10月8日表示,美国科学家约翰·霍普菲尔德和英裔加拿大人杰弗里·辛顿因为机器学习奠定基础的发现和发明而获得2024年诺贝尔物理学奖。杰弗里·辛顿因被广泛认为是人工智能的教父,去年他辞去谷歌(GOOGL.O)的工作,开设了新的公司,以便更容易地谈论他开创的技术,...
诺贝尔化学奖出炉,3名获得者均与人工智能领域有关
此外,10月8日,2024年的诺贝尔物理学奖颁给了两位人工智能学者,约翰·霍普菲尔德(JohnHopfield)和杰弗里·辛顿(GeoffreyHinton),因为他们通过人工神经网络对机器学习方面形成的奠基性贡献(www.e993.com)2024年10月26日。复旦大学计算机科学技术学院教授、博士生导师张军平在谈及人工智能与诺奖的关系称,从今年诺贝尔物理学奖的得奖情况,和人工智能近年...
诺奖AI之父Hinton:我确实有些孤独,但并不是完全孤立无援
Hinton于2018年获得图灵奖,这一奖项被称为“计算机界的诺贝尔奖”,Hinton也被誉为“人工智能之父”。2024年10月8日,2024年诺贝尔物理学奖揭晓,Hinton与美国科学家约翰·霍普菲尔德(JohnJosephHopfield)分享了这一荣誉。Hinton出生于科学家家庭,他的父亲是英国皇家学会会员,Hinton自幼就接受非常严格的教育,然而Hinton...
解密诺贝尔物理学奖为啥颁给AI?Hinton和Ilya12年前对话,竟引发...
诺奖委员会的解释是,人工神经网络是用物理学工具训练的。GeoffreyHinton曾以Hopfield网络为基础,创建了一个使用不同方法的新网络:玻尔兹曼机。在这个过程中,Hinton使用的是统计物理学的工具,来学习和识别数据中的模式。就这样,AI跟物理学联系上了。如果讲到此次另一位获奖者JohnHopfield,倒是和物理学的关系更紧...
新科诺奖得主、“AI教父”Hinton:我的学生解雇了Altman,我为他自豪!
Hinton:Altman更关心利润,而不是安全昨日,Hinton和JohnJosephHopfield一同获得了2024年度诺贝尔物理学奖。以表彰他们“利用人工神经网络实现机器学习的基础性发现和发明”。Hinton也被广泛称作“神经网络之父”、“AI教父”,是人工智能和深度学习领域的领军人物之一,他的学生和后辈遍布现在整个AI学术界和工业界。...
AI教父得诺贝尔物理学奖,Hinton:我惊呆了!
至此,统计物理学为AI研究提供了新工具,允许我们从物理学角度理解大脑和计算之间的关系。Hopfield网络由此成为连接物理学、神经科学和人工智能的桥梁。二、Hinton的反向传播,AI学习机制的根本性转折讲完Hopfield的贡献,我们来聊聊Hinton。在Hinton的突破之前,神经网络的多层结构虽然存在,但难以有效训练,特别是当层数增加...