10月8号，诺贝尔物理学奖花落机器学习领域，颁给了两位AI先驱。不是天体物理、不是粒子物理、不是凝聚态物理，也不是微中子，甚至不是传统物理！
而是——Machine Learning，属人工智能。
约翰·J·霍普菲尔德和杰弗里·E·辛顿因其在“通过人工神经网络推动机器学习的基础性发现与发明”而荣获2024年诺贝尔物理学奖。
奖项揭晓后，杰弗里·E·辛顿本人在接受瑞典皇家科学院电话采访时坦言，他对此结果感到意外。
那么，问题来了：人工智能凭什么拿下诺贝尔物理学奖？
引用诺奖官方评价：
物理学为机器学习的发展提供了工具，物理学作为一个研究领域如何也从人工神经网络中受益将是有趣的。
简言之，获奖成果运用了物理学的原理，通过人工神经网络对机器学习进行了研究与探索。
01什么是Machine Learning？
当我们谈论AI时，通常指的是基于人工神经网络的机器学习技术。这项技术正在推动科学、工程及日常生活中的深刻变革。
值得一提的是，人工神经网络的初始设计灵感源自于人类大脑的复杂结构。
在人工神经网络的架构中，大脑中的神经元被模拟为不同数值的节点，这些节点通过类比生物突触的连接方式相互作用。连接的强度可以根据学习过程进行动态调整。
举个例子，通过强化高激活值节点之间的连接，可以实现对网络的高效训练。
机器学习一直是科学研究中的重要热点领域，特别是在大规模数据的分类和分析处理方面展现了巨大的应用潜力。
霍普菲尔德和辛顿两位学者巧妙应用物理学工具，开创了全新的研究方法，为现今强大的机器学习算法奠定了坚实的理论基础。
机器学习的快速发展，主要依赖于两大关键因素：
首先是海量数据的广泛可得性为训练模型提供了充足的资源；其次，计算能力的显著提升为处理复杂计算任务提供了强有力的支持。
在此背景下，人工神经网络已演化为复杂且大规模的系统，通常采用多层结构组成，广泛被称为“深度神经网络”。
用于训练此类网络的技术被称为“深度学习”。随着深度学习技术的持续进步，机器学习领域正不断突破新的发展高度。
02交叉融合，物理学是否“不存在”了？
早期人工智能的专家大部分都有物理学背景。物理学思维实际上是用数学的方法建模现实世界，这跟人工智能的核心意义完全一致。
所以，物理学思维对于人工智能是非常重要的。甚至有学者指出，将来物理学奖有可能会成为继化学奖之后的第二个“理综奖”！
霍普菲尔德网络利用物理学中描述材料特性的工具
约翰·霍普菲尔德发明了了一种用于存储和重构模式的网络架构，其节点我们可以想象为像素。霍普菲尔德网络借鉴了物理学中用于描述材料性质的工具，例如原子自旋的特性，每个原子可视为一个微小的磁铁。
网络的整体行为与物理学中自旋系统的能量描述相对应，通过调整节点之间连接权重的值来训练网络，使得所存储的图像具有较低的能量状态。
当霍普菲尔德网络接收到一个扭曲或不完整的图像时，它会逐步更新节点的值，降低网络的整体能量，从而逐渐接近并重构与输入图像最接近的已保存图像。
辛顿使用了来自统计物理学的工具
杰弗里·辛顿在霍普菲尔德网络的基础上开发了一种新的网络模型，即玻尔兹曼机。
该模型采用不同的训练方法，能够学习和识别特定类型数据中的特征。
辛顿借用了统计物理学的工具，这是一门研究由大量相似组件组成的系统的科学。玻尔兹曼机通过输入高概率出现的样本进行训练，并能用于图像分类或生成与训练数据类型相似的新实例。
辛顿的这项工作为推动现代机器学习的迅速发展奠定了基础。
总结来看，物理学和机器学习是相辅相成的。
物理学不仅为机器学习的发展贡献了关键工具，而且反过来，观察物理学如何借鉴人工神经网络的成果同样引人入胜。事实上，机器学习已经在多个诺贝尔物理学奖获奖的研究领域中发挥了重要作用。
AI也早已渗透到各大高校，不少学校开设有AI相关专业！那么，这一次的诺奖颁发，是否也指明了之后的留学专业方向？
03AI时代该选什么专业？
面对人工智能快速发展背景下，学生未来在专业选择上有哪几个明智方向？
以下专业将成为未来科技和就业市场的“风口”：
人工智能与计算机科学
核心技能：编程、算法开发、人工智能、深度学习、数据科学。
应用前景：自动驾驶、医疗影像分析等。
物理学
重要性：物理学是人工智能的基础，尤其是统计物理和复杂系统理论。
结合点：将物理学与 AI 技术结合，可以推动新技术的发展，例如理解神经网络背后的物理原理，优化算法性能。
数据科学与统计学
核心技能：数据分析、信息提取。
重要性：数据是 AI 学习的基础，高质量的数据分析对于神经网络的训练至关重要。
应用前景：数据科学家在 AI 时代将发挥关键作用，他们的技能将广泛应用于各个行业。
电气工程
兴趣点：硬件和系统架构。
应用前景：AI 需要强大的硬件支持，电气工程学生将有机会参与芯片设计、计算机硬件开发等前沿研究。
未来发展：随着 AI 技术的不断发展，对高性能硬件的需求也将持续增长。
材料科学与凝聚态物理
重要性：超材料和新型纳米技术的发展为 AI 设备和硬件提供更强的支持。
应用前景：材料科学在 AI 时代将发挥重要作用，尤其是在开发新型传感器、存储器和其他关键组件方面。
这些专业不仅与人工智能领域高度契合，而且在未来的科技创新和就业市场中展现出巨大的发展潜力。学生可以依据个人的兴趣和特长，选择适合自身的专业方向，为未来的职业发展奠定坚实的基础。
院校推荐
一方面可以参考CS排名：
另一方面，也可以参考学科类榜单：
所以说具体怎么确定自己college list，在选择的时候要从开设的学院，以及课程的设置，好好地去做一下功课。同时，也要综合自己的职业规划和学校的契合度来考虑。
当然，想要申请以上专业和学校，则需要坚实的学术背景，一方面是过硬的学科成绩，另一方面是较好的科研、实习、竞赛等来体现软实力。
【竞赛报名/项目咨询请加微信：mollywei007】
