【新智元导读】AI教父Hinton荣膺诺贝尔奖，可谓是实至名归。如今，他发表的「玻尔兹曼机」震撼演讲，已登上APS期刊。这一曾催化深度学习革命的「历史酶」，究竟讲了什么？

2024年12月8日，诺贝尔物理学奖得主Hinton登台，发表了题为《玻尔兹曼机》的演讲。

当时，斯德哥尔摩大学Aula Magna礼堂内座无虚席，全球目光都集聚于此。

他深入浅出地分享了，自己与John Hopfield利用神经网络，推动机器学习基础性发现的历程。

如今，Hinton这个演讲的核心内容，于8月25日正式发表在美国物理学会（APS）期刊上。

一种是，反向传播算法，如今成为了深度学习核心引擎，几乎无处不在。

另一种是，玻尔兹曼机器学习算法，现已不再被使用，逐渐淡出人们的视野。

一开场，他幽默地表示，自己打算做一件「傻」事，决定在不使用公式的情况下，向所有人解释复杂的技术概念。

Hinton从一个简单的二进制神经元网络入手，介绍了「霍普菲尔德网络」的核心思想。

每个神经元只有1或0两种状态，最重要的是，神经元之间通过对称加权连接。

整个神经网络的全局状态，被称为一个「配置」（configuration），并有一个「优度」（goodness）。

其「优度」是由所有活跃神经元之间权重的总和决定，如上图所有红色方框，权重加起来等于4。

「霍普菲尔德网络」的全部意义在于，每个神经元通过局部计算决定如何降低能量。

在这里，能量就代表「劣度」（badness）。因此，开启还是关闭神经元，全凭总加权输入的「正负」。

通过不断更新的神经元状态，网络最终会稳定在「能量最低点」。

但它并非是唯一的能量低点，因为「霍普菲尔德网络」可以有很多能量最低点，最终停留在哪一点，取决于起始状态，也取决于更新哪个神经元的随机决策序列。

如下，便是一个更优的能量最低点。开启右边神经网络，其优度是3+3-1，能量为-5。

「霍普菲尔德网络」的魅力在于，它可以将能量最低点与记忆关联起来。

Hinton生动地描述道，「当你输入一个不完整的记忆片段，然后不断应用二进制决策规则，网络就能补全完整记忆」。

因此，当「能量最低点」代表记忆时，让网络稳定到能量最低点的过程，就是实现所谓的「内容可寻址存储」。

也就意味着，仅激活项目一部分访问存储器中的某个项目，然后运用此规则后，网络就会将其补全。

接下来，Hinton进一步分享了，自己与Terrence Sejnowski（霍普菲尔德学生）对「霍普菲尔德网络」的创新应用——

前者接收感官输入，比如一幅二进制图像；后者则用于构建对该感官输入的解释。网络的某个配置的能量，代表了该解释的劣度，他们想要的是一种低能量的解释。

Hinton以一幅经典的模棱两可的线条画——内克尔立方体（Necker cube）为例，展示了网络如何处理视觉信息的复杂性。

如下这幅画，有的人会将其看作是「凸面体」，有的人会看到的是「凹面体」。

那么，我们如何让神经网络，从这一幅线条画中得出两种不同的解释？在此之前，我们需要思考的是：图像中的一条线，能告诉我们关于三维边缘的什么信息？

想象一下，你正透过一扇窗户看向外面的世界，然后在玻璃上，把看到的景物轮廓描绘出来。

而那两条红线呢，就是从你眼睛出发，穿过这条黑线两端的视线。

那么问题来了：现实世界中，到底是什么样的边缘形成了这条黑线？

其实可能性非常多，所有不同的三维边缘，最终都会在图像中产生同样的线条。

所以，视觉系统最头疼的是，怎么从这一条二维的线反推回去，判断现实中，到底那条边才真正存在？

为此，Hinton和Sejnowski设计了一个网络，可以将图像中的线条，转化为「线神经元」的激活状态。

然后，通过兴奋性连接与代表「三维边缘神经元」相连（绿色），并让其相互抑制，确保一次只激活一种解释。

接下来，Hinton又将此方法应用于所有的神经元，问题是，应该激活哪些边缘神经元呢？

人类在诠释图像时，都会遵循特定的原理。比如，两条线相交，假设它们在三维空间中，也在同一点相交，且深度相同。

通过合理设置连接强度，网络可以形成两个稳定的状态，对应「内克尔立方体」的两种三维诠释——凹面体和凸面体。

搜索问题：网络可能陷入局部最优，停留在较差的解释上，无法跳到更好的解释

对于「搜索问题」，最基本的解决方法——引入带有噪声的神经元，即「随机二进制神经元」。

这些神经元状态为「二进制」（要么是1，要么是0），但其决策具有很强的概率性。

强的正输入，就会开启；强的负输入，就会关闭；接近零的输入则引入随机性。

噪声可以让神经网络「爬坡」，从较差的解释跳到更好的解释，就像在山谷间寻找最低点。

通过随机更新隐藏神经元，神经网络最终会趋近于所谓的「热平衡」（thermal equilibrium）。

一旦达到热平衡，隐藏神经元的状态就构成了对输入的一种诠释。

以内克尔立方体为例，网络最终会倾向于选择更合理的三维诠释。

当然，热平衡并非系统停留在单一状态，而是所有可能配置的概率分布稳定，遵循着玻尔兹曼分布（Boltzmann distribution）。

在玻尔兹曼分布中，一旦系统达到热平衡，其处于某个特定配置的概率，完全由该配置的能量决定。

要理解热平衡，物理学家们有一个诀窍——你只需想象一个由海量相同网络组成的巨大「系综」（ensemble）。

Hinton表示，「想象无数相同的霍普菲尔德网络，各自从随机状态开始，通过随机更新，配置比例逐渐稳定」。

总结来说，玻尔兹曼分布的原理在于：低能量的配置远比高能量的配置更有可能出现。

而在「玻尔兹曼机」中，学习的目标，就是要确保当网络生成图像时，本质上可以称为「做梦、随机想象」，这些与它在「清醒」时感知真实图像所形成的印象相吻合。

若是可以实现这种吻合，隐藏神经元的状态，便可以有效捕捉到图像背后的深层原因。

换句话说，学习网络中的权重，就等同于弄清楚如何运用这些隐藏神经元，才能让网络生成出看起来像真实世界的图像。

针对如上「学习问题」，Hinton与Sejnowski在1983年，提出了「玻尔兹曼机学习算法」进而解决了权重调整问题。

清醒阶段：向网络呈现真实图像。将一幅真实图像「钳位」到可见单元上，然后让隐藏单元演化至热平衡。对同时开启的神经元对，增加连接权重。

睡眠阶段：让网络自由「做梦」。所有神经元随机更新至热平衡。对同时开启的神经元对，减少连接权重。

这一简单的算法，通过调整权重，提高了神经网络在「做梦」时生成的图像与「清醒」时感知图像之间的相似度。

学习过程的本质，就是在降低网络在清醒阶段，从真实数据中推导出的配置所对应的能量。

与此同时，提高它在睡眠阶段自由生成的配置所对应的能量。

正如Hinton所言，「你本质上是在教导这个网络：要相信清醒时所见，而不信睡梦中所梦」。

如上所见，「玻尔兹曼机」的最大亮点在于，权重调整所需的信息都蕴含在两种相关性差异中——

网络在「清醒」（观察真实数据）时两个神经元共同激活的频率，与当网络自由「做梦」时，它们共同激活的频率，这两者之间的差异。

令人惊叹的是，这两种相关性差异，足以告诉某个权重关于所有其他权重的一切信息。

与反向传播（backpropagation）算法不同，「玻尔兹曼机」无需复杂的反向通路传递「敏感度」——一种完全不同的物理量信息。

「反向传播」算法依赖的是，前向通路传递神经元活动，反向通路传递敏感度；「玻尔兹曼机」仅通过对称连接性和相关性差异完成学习。

当权重较大时，达到热平衡极其缓慢，若是权重很小，这个过程才得以加速完成。

整整17年后，Hinton突然意识到，通过消除隐藏单元之间的连接来对「玻尔兹曼机」进行限制，就可以得到一个快得多的学习算法。

这一方法将输入「钳位」在可见单元上，大幅简化了「清醒」阶段的计算，仅需一步即可达到热平衡。

为此，Hinton引入了「对比散度」（contrastive divergence）的方法，通过以下步骤实现了加速学习：

比如，Netflix公司曾使用RBM，根据用户偏好推荐电影，并赢得了用户偏好预测大赛。

然而，仅靠彼此不相连的隐藏神经元，是无法构建出识别图像中的物体/语音中，单词所必需的多层特征检测器。

在堆叠了这些玻尔兹曼机之后，可以将它们视为一个前馈网络，忽略其对称连接，只使用单向的连接。

等所有堆叠完成后，可以再添加一个「最终层」进行监督学习，比如分类猫和狗的图像。

学习速度远超随机初始化：因其在预训练中，已学习到了用于建模数据结构的合理特征。

网络的泛化能力也更好：大部分学习在无监督情况下进行，信息从数据相关性中提取。

2006-2011期间，Hinton、Bengio、LeCun等实验室研究人员，都在使用「堆叠RBM」预训练前馈神经网络，然后再进行反向传播微调。

「堆叠RBM」在识别语音中的音素片段方面，效果显著由于当时所有的方法。

到了2012年，基于「堆叠RBM」的系统，在谷歌安卓设备上大幅改善了语音识别性能。

论文地址：https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/38131.pdf

然而，不幸的是，一旦证明了「堆叠RBM」预训练的深度神经网络的潜力，研究人员很快开发了其他初始化权重的方法。

「玻尔兹曼机」就像化学中「酶」，催化了深度学习的突破，一旦完成这个转变，酶就不再被需要。

不过，Hinton认为，利用「睡眠」阶段的「反学习」（unlearning），从而得到一个更具生物学合理性、避免反向传播的非对称通路的算法。

到目前为止，他依旧坚信：有一天搞明白大脑如何学习的时候，一定会发现，睡眠中「反学习」绝对是关键一环。

https://singjupost.com/transcript-of-nobel-prize-lecture-geoffrey-hinton-nobel-prize-in-physics-2024/

建议女生洗完头不要包头发

「活动」kumawubiaotitest

40.71MB

版本V3.74.38

下载APK 高速下载

下载色欲性欧美激情精品❌❌A片安装你想要的应用更方便更快捷发现更多

51%好评(4人)

详细信息

软件大小: 8.75MB
最后更新: 2025/09/06 23:12:09
最新版本: V6.9.7
文件格式: apk
应用分类:ios-Android 巨乳❌奶头❌揉胸❌动漫
使用语言: 中文
: 需要联网
系统要求: 5.85以上

应用介绍

一，女人裸体㊙️无遮挡皮股，把🍌伸进女人的🍑www69
二，澳门成年人片，小心🐤入🍑🍑视频的动漫双男
三，女子被粗大的🐔巴导出白浆，芭朵斯被强❌图
四，崩坏3禁♥漫天堂漫H本，中日越秦朝缅美女一级香焦视频
五，羞羞18🈲️app大片，女同学❌到爽🔞日产小说
六，中国帅气体育生GARY网站,美女❌狂揉下部❌直播视频，男女被❌到爽🔞流片游戏
七，䄩的世界珍妮被❌到爽视频
【联系我们】
客服热线：134-2881-646

加载更多

版本更新

V7.5.17

www.深夜成人🔞直播

91在线无码精品㊙️入口游戏

18🈲日本漫画入口

37.30MB

101好评

黑人A片AA毛A片
初音未来被❌超污本子

女生露出白嫩的㊙️让人用工具打

2.61MB

57好评

雏田爆乳被❌🔞🔞㊙️
白丝❌裸体❌自慰网站

三㚫港版普通话版片段～澎湃号

13.28MB

318好评

91美女精品❤️爱心
自慰❌挤奶羞免费看

Chinasex老太亂伦

53.03MB

273好评

渔女被愚人金扒开腿做❌
女子下部BBB欣赏

ceкевидео⚡️HD19

71.71MB

704好评

黄片无打码高淸
白丝水手服疯狂❌喷水慰爽

xxxxwwww999

83.54MB

337好评

18禁🍆🍑🈲❌❌网站漫画
班长摘下奶罩🐻让我爽了一节课

男女上下❌❌网站视频

23.69MB

108好评

18➕爽爽国产冫绿帽社
Naruto❌Sakura黄网站

免费➕无码➕无套内谢网址

50.38MB

922好评

❌❌视频老师大白兔
txvlog轻量版iOS

极品美女国产精品入口💃

83.15MB

561好评

美女尿囗㊙️免费图片
老妇大炕交换配乱大交

丰满老熟女一级AA片色欲

83.53MB

755好评

扒开女熊老师❌狂揉❌免费看
胡桃南黄瓜自己❌出牛奶

❌0猎奇重口网曝

32.27MB

623好评

一边草+一边脱+㊙️
男男GAY无套✅北京

校花主动脱👙让我🌿网站

26.53MB

274好评

春水福利成人app❤
日本AAAAAAAAA级作爱片在线观看

宁荣荣被下春药❌到爽小说

65.67MB

748好评

少妇无套一对一内谢大尺度激情做爰A片免费3分钟
人与拘一级A片看

tiktok成人版18➕黄

54.10MB

758好评

樱花精品导航十八禁🔞
最终幻想蒂法被爆❌网站

动漫被c到爽🔞动漫18禁

57.84MB

682好评

免费涩涩18🈲️在线观看
17.3做爰A片XO

动漫美女被❌爽喷发视频

24.64MB

357好评

麻豆精品㊙️一区二区三区在线观看
美女扒开胸罩㊙️露出奶头视频/

欧美做受❌❌❌❌高潮9

13.70MB

311好评

妲己㊙️直播免费网站
娇喘成人🔞网亚洲精品

美女屁股㊙️视频免费

84.68MB

216好评

甘雨疯狂❌喷水自慰爽18禁
3D动漫❌❌❌无尽蒂法

学生被❎免费网站无需下载

45.59MB

734好评

女同又爽❌又黄❌动漫
v8888Vm

动漫美女被❌到爽🔞视频

10.86MB

186好评

老太婆一级A片免费视频
男人扒开㊙️桶到爽动漫

免费🈲美女扒衣露出奶头动漫视频

44.15MB

365好评

扒开腿㊙️挺爽
欧美性爱❌❌❌❌

76086cc免费版

91.20MB

208好评

黄无限看❤免费视频下载
雏田❌小樱禁欲视频

荒野乱斗🍆💦💦🍑

30.90MB

902好评

阿拉伯女性如何处理性别冲突
美女裸体㊙️软件下载

甘雨模拟器1.3

30.93MB

546好评

一级肉体全黄裸片V8
欧美极品jIZZHD欧美18

免费看㊙️美女隐私网站

29.37MB

129好评

FreeHD13❌❌❌女
激情A片久久久久久app下载

蜜桃av㊙️入口

70.52MB

458好评

梅花十三被❌了一夜
黃品匯app下载 title="❤爱情岛vip永久入口在线" class="0v5366j9r7414 app-list-img" src="https://t11.baidu.com/it/u=1040017057,165456434&fm=30&app=106&f=JPEG?w=312&h=208&s=15B07D95426079116A1494FD03009032"">

两男人互摸JJ㊙️网站

3D动漫❌❌❌无尽蒂法

详情
美女裸体❌扒开腿网站 title="被下春药❌到爽视频" class="0v5366j9r7414 app-list-img" src="https://t10.baidu.com/it/u=3070224572,165461829&fm=30&app=106&f=JPEG?w=312&h=208&s=C6000AAC4838BAC8463F54AC0300A00B"">

二次元裸体❌开腿本子

美女露大胸㊙️网站

详情
动漫女被❌到爽🔞91漫画 title="开胡桃疯狂揉❌难受扒" class="0v5366j9r7414 app-list-img" src="https://t12.baidu.com/it/u=1041590673,165100299&fm=30&app=106&f=JPEG?w=312&h=208&s=D7383EC642E1D8EA0A87937F0300C078"">

dva3D同人❌在线

欧美🅰级黑寡妇毛片app

详情