諾貝爾物理獎｜2人的發明大幅提升電腦能力 讓AI更強大
【編譯陳怡妏／綜合外電】霍普菲爾德（John J. Hopfield）跟辛頓（Geoffrey E. Hinton）的發明，幫助奠定始於2010年左右的機器學習革命的基礎。他們的發明使得我們得以用海量資料訓練網路，大幅提升電腦的運算能力。現在的人工神經網路都很龐大，且擁有多層結構，被稱為深度神經網路，其訓練過程也就是現在我們說的「深度學習」，能使人工智慧（AI）更加強大。
我們可以從霍普菲爾德1982年發表的聯想記憶研究窺得一點端倪，當時他建造的網路只有30個節點，如果所有節點都相互鏈結，將有435條鏈結，需要追蹤的參數不到500個。他也嘗試建立有100個節點的網路，但礙於當時的電腦不夠力，以失敗收場。
反觀現代大型語言模型含有超過1兆個參數，許多研究人員正戮力開發機器學習的應用。
霍普菲爾德和辛頓用物理學創造出人工神經網路，為機器學習的發展提供工具，也幫助了物理研究。機器學習幫科學家過濾巨量尋找上帝粒子的數據，用來降低黑洞碰撞重力波測量中的噪音，或幫忙尋找系外行星。
近年還被用來計算或預測分子和物質的特性，例如計算蛋白質分子的結構，以推論其作用，或哪些材料可以做出更高效的太陽能電池。
■相關新聞：
美英2科學家研究「人工神經網路」奪諾貝爾物理獎 奠定AI基礎
諾貝爾物理獎｜「深度學習之父」辛頓助攻催生ChatGPT 卻示警AI有風險
