约翰·j·霍普菲尔德(John J. Hopfield)和杰弗里·辛顿(Geoffrey Hinton)因其对推动机器学习发展的基础方法做出的开创性贡献而获奖。
美国普林斯顿大学的约翰·j·霍普菲尔德和加拿大多伦多大学的杰弗里·e·辛顿被授予2024年诺贝尔物理学奖。该奖项旨在表彰他们在开发基础方法方面的开创性工作，这些方法构成了当今机器学习技术和人工神经网络的基础。
这两位获奖者利用物理学原理来训练能够识别模式并从数据中学习的人工神经网络。这些发现极大地促进了当前机器学习方法和人工智能(AI)方法的扩展和爆炸。这些方法已经在不同的领域得到了应用，比如粒子物理学、生命科学、天体物理学、化学工程，以及计算机的日常使用。
除了推进新的人工智能方法，特别是在结构生物学、组学和成像领域，EMBL目前正在促进和推动人工智能工具在生命科学研究中的开发和应用。
如果没有训练这些模型所需的大量高质量数据，机器学习和人工智能领域的许多最新进展是不可能实现的。在生命科学领域，开放共享数据的文化，特别是通过EMBL的开放数据资源，使研究人员能够开发机器学习工具来回答基本问题，例如蛋白质如何折叠，并支持实际应用，例如解释生物图像以帮助诊断疾病。
这类应用的一个例子是AlphaFold，这是一款能够准确预测蛋白质结构的人工智能工具。诺贝尔物理学奖背景文件称，“迄今为止，使用深度学习人工神经网络方法取得的最引人注目的科学突破”。AlphaFold是使用世界各地科学家几十年来产生的研究数据进行训练的，并在EMBL的开放数据资源中公开提供。
我们祝贺John J. Hopfield和Geoffrey E. Hinton获得这一重要认可，并期待人工智能和机器学习领域继续发展，特别是在生命科学和生物医学应用领域。
