SMC 資料庫

人工神經網路獲諾貝爾物理獎 專家：是生成式AI的重要原理

發稿時間：2024年10月8日

發稿單位：台灣科技媒體中心

今（2024）年的諾貝爾物理獎，由約翰．霍普菲爾（John J. Hopfield）和傑佛瑞．辛頓（Geoffrey E. Hinton）獲得殊榮，以表彰他們使用統計物理學的模型，發展出方法，讓人工神經網路能夠用於機器學習，帶來突破性的研究與應用。台灣科技媒體中心舉辦線上記者會，邀請兩位專家說明人工神經網路研究的重要性。台灣科技媒體中心總結，兩位得獎者的研究奠定了廣大AI應用的基礎。

國立清華大學物理學系特聘教授林秀豪說明，這次得獎的看似屬於電腦科學領域，但得獎者之一的霍普菲爾是物理學家，他參考統計物理學的理論，模擬人腦中的神經細胞連結，提出原始的人工神經網路，藉由神經元間的連結變強或變弱，達到學習與記憶的功能。林秀豪指出另一位得獎者辛頓的工作，則是將霍普菲爾的神經網路進一步發展，結合統計物理與資訊科學的技術，建構出能夠處理複雜資訊的人工神經網路，是現在人工智慧技術的基石。

當被問及霍普菲爾與台灣的淵源，林秀豪分享自己曾與霍普菲爾互通電子郵件，霍普菲爾是林秀豪擔任博士後時，指導教授的指導教授。林秀豪說在電子郵件中，可以感受到霍普菲爾對基本的問題有很深刻的理解，也很有興趣跟不同領域的人討論不容易解釋清楚的概念。

林秀豪提到有一段時間，非常難在期刊上發表人工神經網路領域的研究，但後來隨著電腦軟、硬體的進步，可以跑得動更多層、架構更複雜的神經網路，開始能夠解決實際世界的問題，同時換名字為深度學習。2012年開始在學界和應用上站穩腳步，開啟更多深度學習的研究，也讓辛頓和另外兩位研究者，約書亞．班吉歐（Yoshua Bengio）與楊立昆（Yann LeCun），共同在2018年拿到被認為是電腦科學領域的諾貝爾獎「圖靈獎」， 並列「深度學習三巨頭」。

東海大學應用物理學系教授施奇廷說，辛頓十分關心人工智慧造成的爭議，近期也提醒人工智慧領域的研究必須謹慎發展，避免造成傷害。施奇廷說明，這次得獎的研究初衷是向人腦學習，如同人類腦細胞互相連結，且學習和記憶的過程會重塑腦細胞之間的連結強度，兩位得獎者根據人腦細胞對外界刺激有不同反應的概念，做出了人工智慧的模型。施奇廷表示，物理學家希望電腦的網路要符合物理定律，但是卻花太久時間找到最佳的連結模式，很難應用，後續的科學家逐漸簡化模型，加上限制條件，成為較單純、單方向傳遞訊息的人工神經網路，例如車牌辨識系統就是生活中常見的應用。

中興大學資訊工程學系吳俊霖主任於線下透過台灣科技媒體中心表示，這幾年人工智慧在電腦視覺與自然語言處理，包含大家所熟悉的YOLO模型與ChatGPT的成功，都源自於這兩位得獎的學者傑出的研究。吳俊霖認為，目前人工智慧在醫學，農業工業與運動科學上都正蓬勃發展著，這兩位學者的基礎研究帶來了現今與未來的AI時代。