從物理學到心靈：人工智能的真正起源
美國理論物理學家兼諾貝爾獎得主Frank Wilczek今天為《南華早報》推出了他首個每月專欄。在這裡，他反思了今年物理學諾貝爾獎的重要性及其對人工神經網絡未來工作的影響。
人工神經網絡的歷史根源
2024年的物理學諾貝爾獎授予了John Hopfield和Geoffrey Hinton，以表彰他們在使機器學習與人工神經網絡成為可能的基礎性發現和發明。由於神經網絡超出了物理學的傳統界限，這一獎項在物理學界引發了一些不滿聲音，不論在線上還是線下。但我認為這是一個恰當的——甚至是靈感四射的——選擇。
人工神經網絡的歷史根源可以追溯到20世紀40年代初期，那時對於大腦是什麼的現代概念剛剛確立。也就是說，人類和其他動物的大腦由個體細胞構成——神經元，這些神經元通過電脈衝相互通信。生物神經元有多種形式，可以極其複雜，但Warren McCulloch和Walter Pitts為了理解它們如何賦予思想的本質，定義了簡化的理想化神經元，這些神經元具有數學上方便的特性。他們的模型“神經元”對由一個或多個“脈衝”組成的輸入做出反應——這些脈衝可能來自多個來源——當總輸入足夠大時，輸出自己的脈衝。這樣的神經元可以連接在一起，形成功能性網絡。這些網絡可以將輸入脈衝流轉化為輸出脈衝流，並在中間由中介神經元進行處理。
McCulloch和Pitts展示了他們的人工神經網絡如何能夠完成普遍計算所需的所有基本邏輯處理操作。
人工神經網絡的潛力
McCulloch和Pitts的工作吸引了現代計算機的一些偉大先驅的注意和讚賞，包括Alan Turing、Claude Shannon和John von Neumann。但主流的、實用的計算選擇了不同的方向。在這種方向中，基本的邏輯操作直接在簡單的晶體管電路中進行，並使用明確的指令，即程序來協調。這種方法當然取得了巨大的成功。它帶來了我們今日所處的勇敢的新網絡世界。
然而，人工神經網絡並未被完全遺忘。儘管這樣的網絡提供了不必要的複雜和笨拙的邏輯處理方式，但它們相較於標準晶體管電路有一個巨大的潛在優勢。即，它們可以優雅地改變。具體而言，我們可以通過調整來自不同通道的輸入相對重要性——技術上稱為“權重”——來改變神經元的輸入輸出規則。
編輯評論
這篇文章揭示了人工神經網絡的起源及其在現代計算中的角色轉變。從人類神經元的複雜性到人工神經網絡的計算能力，這一過程顯示了科學與技術如何相互影響。而今年的諾貝爾獎選擇了這一領域的先驅，突顯了人工智能在科學界的重要性，甚至是跨學科的影響力。這不僅提醒我們科學探索的多樣性，也展示了技術進步如何重新定義學科邊界。這樣的跨界合作和創新，或許正是未來科學發展的關鍵所在。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
