2024年，诺贝尔物理学奖授予了约翰·霍普菲尔德和杰弗里·辛顿，以表彰他们在人工智能（AI）方面的基础性工作。诺贝尔化学奖授予了大卫·贝克、戴米斯·哈萨比斯和约翰·跳普，以表彰他们利用人工智能解决了蛋白质折叠问题，这是科学界50年来的重大挑战。

卡内基梅隆大学（Carnegie Mellon University）和计算咨询公司（Calculation Consulting）的研究人员撰写的一篇新文章，探讨了最近诺贝尔奖所强调的物理、化学和人工智能的融合。它追溯了神经网络的历史发展，强调了跨学科研究在推进人工智能方面的作用。作者主张培养人工智能通才，以弥合理论进步和实际应用之间的差距，推动人工通用智能的发展。这篇文章发表在Patterns上。

卡内基梅隆大学泰珀商学院创新实践教授兼协作人工智能主任Ganesh Mani解释说：“随着人工智能与物理和化学的联系得到认可，机器学习的实践者可能会想知道这些科学与人工智能之间的关系，以及这些奖项会如何影响他们的工作。”“在我们前进的过程中，认识到不同方法在塑造基于生成式人工智能的现代人工智能系统方面的融合是至关重要的。”

在他们的文章中，作者探讨了神经网络的历史发展。他们认为，通过研究人工智能的发展历史，我们可以更彻底地理解计算机科学、理论化学、理论物理和应用数学之间的联系。从历史的角度来看，这些学科的基础发现和发明是如何通过人工神经网络实现现代机器学习的。

然后，他们转向该领域的关键突破和挑战，从Hopfield的工作开始，接着解释工程有时如何先于科学理解，就像Jumper和Hassabis的工作一样。

作者最后呼吁采取行动，指出人工智能在各个领域的快速发展既带来了前所未有的机遇，也带来了重大挑战。他们说，为了弥合炒作和实际发展之间的差距，必须培养新一代跨学科的思想家。

这些被作者称为“现代达芬奇”的人，将在开发可立即被工程师应用的实用学习理论方面发挥关键作用，推动该领域向通用人工智能的宏伟目标迈进。

这组作者说，这需要在如何进行科学探究和解决问题方面进行范式转变，这种转变包括全面的、跨学科的合作，并从自然中学习以理解自然。通过打破不同领域之间的藩篱，培养跨越多个领域的求知欲文化，可以为气候变化等复杂的全球挑战找到创新的解决方案。在人工智能的催化下，通过对各种知识和观点的综合，可以取得有意义的进展，并且该领域可以实现技术抱负的全部潜力。

“这种跨学科的方法不仅是有益的，而且对于解决未来的许多复杂挑战至关重要，”计算咨询公司的首席顾问查尔斯·马丁（Charles Martin）建议道，他是这篇文章的合著者。“我们需要利用当前进步的势头，同时立足于实际现实。”

作者：卡耐基梅隆大学

链接：https://www.sciencedaily.com/releases/2024/11/241126134826.htm

著作权归作者所有。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：152 6451 3609，邮箱：1027830374@qq.com