[欧洲][科学][说个事儿]来看看今年物理学炸药奖

难道未来物理的出路是cs吗

物理学？

这不是图灵奖的活么，诺贝尔要来抢场子？

辛顿拿过图灵奖了

第一反应，皇家学会收了硅谷的钱，炒作AI

细想一下，越想越觉得离谱

？？？？？

什么鬼啊，物理学不存在了吗？

“自然哲学的数学原理”

这是对物理学最好的概括


人工智能，说白了也是XXXX的数学原理，只不过这个XXXX不只是自然哲学

希望各位码农好好学编程，以后说不定能拿物理学诺奖

今天諾貝爾物理學獎開獎，物理學家不用來參加，你們不會受到任何處分！假如沒有獲獎的深度学习专家，我們的物理教育確有問題！

确实和物理有关，有但是不多
这篇文章是1982年由John J. Hopfield发表在《美国国家科学院院刊》上的论文，题为《神经网络和具有突现集体计算能力的物理系统》。Hopfield在论文中探讨了神经网络的计算特性，这些特性对于生物体或计算机的构造都是有用的。他提出了一个基于大量简单等效组件(或神经元)的系统模型，这些系统可以产生内容可寻址存储器、并行处理、分类、容错设备等集体属性。

Hopfield的模型基于神经生物学的某些方面，但也可以很容易地适应集成电路。该模型的集体属性可以产生一个内容可寻址的存储器，能够从足够大的任何子部分正确地产生整个存储内容。系统的态演化算法基于异步并行处理。此外，该模型还具有泛化、熟悉度识别、分类、错误更正和时间序列保持等额外的集体属性。这些集体属性对模型细节或个别设备故障的细节不太敏感。

Hopfield进一步讨论了物理系统中的集体现象，例如磁性系统中的稳定磁取向和域，或流体流动中的涡旋模式，并探讨了简单相互作用神经元系统中是否存在类似的集体现象，以及这些现象是否具有有用的“计算”相关性。

论文还讨论了如何将信息存储到模型中，以及如何通过异步更新神经元的状态来实现内容可寻址存储。Hopfield指出，尽管每个神经元只有简单的特性，但网络却能自发地产生复杂的计算属性。记忆被保留为稳定的实体或整体，并可以从任何合理大小的子部分正确回忆。系统能够基于最相似的记忆状态对初始状态进行分类。

Hopfield的模型对于理解神经网络的计算能力以及设计具有容错能力的计算机硬件具有重要意义。论文的结论表明，即使在模型细节或个别设备出现故障的情况下，类似的效果也会存在，这表明这种模型的鲁棒性。他还讨论了如何通过集成电路实现类似的模型，这将导致比标准设计更不敏感于元素故障和软故障的芯片，尽管这些芯片可能会浪费更多的门电路，但可以在给定的产量下做得比标准设计大得多。它们的异步并行处理能力将为某些特殊类别的计算问题提供快速解决方案。

这篇论文对神经网络和人工智能领域产生了深远的影响，Hopfield网络成为了人工神经网络中的一个经典模型。

类似的动力学模型其实好多学科也都有，像是流行病的sir ，传播学的变种hk， 规划的pso 人工免疫什么的

以后什么学科评讲评出cs的人都不奇怪

没活可以不评

诺奖也改考11408咯