刚刚,诺贝尔物理学奖颁给AI教父!人工神经网络的第一块重要基石...
Hopfield提出的“Hopfield神经网络”,以相当于物理学中自旋系统能量的方式进行描述。Hinton提出的“玻尔兹曼机”,则使用了统计物理学中的工具。后来Hinton在这项工作的基础上,帮助启动了当前机器学习的爆炸性发展,也就是我们熟知的深度学习革命了。人工神经网络的第一块重要基石约翰·霍普菲尔德(JohnJosephHopfield)...
2024诺奖 |他们用物理学训练人工神经网络!
霍普菲尔德在1982年引入了“霍普菲尔德神经网络”,该网络利用了描述材料的原子自旋特性的物理学。整个网络是以等同于物理学中自旋系统能量的方式来描述的,并通过找到节点之间连接的值来进行训练,使得保存的图像具有低能量。当向霍普菲尔德神经网络输入一个畸变或不完整的图像时,它会系统地遍历节点并更新它们的值,这样网络的...
两名科学家因机器学习基础性贡献获2024年诺贝尔物理学奖
中新社北京10月8日电斯德哥尔摩消息:瑞典皇家科学院8日宣布,将2024年诺贝尔物理学奖授予约翰·霍普菲尔德(JohnJ.Hopfield)和杰弗里·辛顿(GeoffreyE.Hinton),以表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。据诺贝尔奖官网消息,评奖委员会在当天发布的新闻通报中指出,两名获奖者使用物理学工具...
万字长文:怎样弥合人工智能和人脑智能的差距?| 智能渐近线
这一模型采用数学逻辑描述神经元的活动,虽然简单,但为后来的人工神经网络奠定了基础。??图1:神经元结构与McCulloch-Pitts神经元模型这一时期,对大脑的研究主要聚焦在神经元如何处理信息,以及它们如何通过电信号在复杂网络中相互作用。这些研究启发了早期人工智能研究者设计出早期的人工神经网络。1950年代,FrankRose...
科学家用STEM数据集评测神经网络模型的基础,加快通用人工智能实现...
结果发现,即使是目前最先进的人工智能模型,其STEM基础水平也存在较大的提升空间,尚不具备解决更有难度的现实问题的能力。也就是说,与人类智能相比,目前人工智能的水平还有一定差距。图丨综合评测效果(来源:ICLR2024)近日,相关论文以《测量神经网络模型的视觉-语言理工科技能》(MeasuringVision-LanguageSTEMSk...
科学家为脉冲神经网络引入新架构,为未来基于神经形态网络的超大...
大约从2022年开始,脉冲Transformer的相关工作陆续面世(www.e993.com)2024年10月25日。这些研究基本都是将Transformer架构中的一部分人工神经元,替换成脉冲神经元。一些关键的操作比如自注意力算子等都被保留,从而让任务性能得到保障。这些早期工作为团队的工作带来了启发。但是,他们觉得这更像是一种人工神经网络/脉冲神经网络的异构。
人工智能往事:大模型的理论基础,曾一度被判死刑
联结主义的代表马文·明斯基和西摩尔·派普特(SeymourPapert)在1969年出版的《感知机》这本书中指出了感知机神经网络的一个致命问题:神经网络可以很好地完成“与”“或”“非”的逻辑运算,却无法完成异或(exclusive-OR,缩写成XOR)这一人类可以简单处理的逻辑运算,这是由于像感知机这样单层的神经网络(...
入门必读,写给初学者的人工智能简史
1969年,马文??明斯基和西蒙??派珀特(SeymourPapert)写了一本书《感知机:计算几何学导论》的书,对罗森布莱特的感知器提出了质疑。马文??明斯基认为:“神经网络具有很大的局限性(单层感知机无法解决线性不可分问题),没有实际研究价值。”马文??明斯基(1927-2016)...
探索量子世界:人工智能技术在量子计算与量子纠错中的应用 | 周末...
近年来,研究人员已经利用人工智能技术研发出许多基于量子力学的学习算法,如量子神经网络(QuantumNeuralNetwork,简称QNN)和量子支持向量机(QuantumSupportVectorMachine,简称QSVM)。通过利用量子计算的特性,这些算法在特定问题上取得了比经典算法更好的成果。这些成果证明了人工智能在量子领域的学习过程不仅在理论上...
《麻省理工科技评论》深度长文:什么是人工智能?
多年来,Marcus一直在指出深度学习的缺陷和局限性,正是这项技术将人工智能推向主流,支撑着从大型语言模型到图像识别,再到自动驾驶汽车的一切应用。他在2001年出版的《代数思维》一书中提出,作为深度学习基础的神经网络本身无法独立进行推理。(我们暂时略过这一点,但稍后我会回来探讨像“推理”这样的词汇在一个...