本文介绍了2024年诺贝尔物理学奖的获得者以及他们的工作领域和成就。获奖者包括约翰·J·霍普菲尔德和杰弗里·E·辛顿,他们在人工神经网络进行机器学习方面做出了基础性发现和卓越贡献。文章还涉及人工智能的发展、专业选择和全球名校在人工智能领域的布局。
人工智能已经越来越深入到各行各业,帮助各学界开展科学研究,为生活带来翻天覆地的变化。未来,人工智能将是大趋势,具有广阔的发展前景和回报率。
人工智能作为未来的热门专业,在计算机科学、数据科学、电气工程等领域都有相关专业可选。全球名校如剑桥大学、牛津大学、香港大学等都在人工智能领域有所布局和发展。
瑞典皇家科学院在 10 月 8 日揭晓了 2024 年诺贝尔物理学奖!
获奖者为
约翰·J·霍普菲尔德(John J. Hopfield)和杰弗里·E·辛顿(Geoffrey E. Hinton)
,以表彰他们
利用人工神经网络进行机器学习中的基础性发现和卓越贡献。
两人将共享 1100 万瑞典克朗(约 745 万人民币)的奖金。
这两位诺奖物理学奖获得者自 20 世纪 80 年代以来,就在物理学相关的人工神经网络领域开展了重要工作,并取得重要成就。
图源 Nobel Prize 官网
约翰·J·霍普菲尔德
于 1933 年出生在美国伊利诺伊州芝加哥市,1958 年获得康奈尔大学博士学位,目前担任美国普林斯顿大学教授。
杰弗里·E·辛顿
在 1947 年出生于英国伦敦,1978 年获得爱丁堡大学博士学位,拥有
计算机科学家、神经科学家、多伦多大学教授以及前“谷歌大脑”负责人
等多重身份。在 2012 年,辛顿带领学生通过使用英伟达 CUDA GPU 训练 AlexNet,赢得 2012 年 ImageNet 挑战赛,这被看作是 AI 革命的关键时刻。
有趣的是,这位在人工智能领域取得杰出成就的“AI 教父“的
求学之路同样充满传奇色彩
。辛顿在 18 岁进入伦敦大学国王学院学习物理、化学和数学,但一个月后退学,并在第二年,改修建筑学,仅一天又退学,然后是学习哲学,同样是半途而废。他在伦敦大学获得实验心理学学士学位后,放弃继续深造,成为了一名木匠,但一年后却通过契机进入到爱丁堡大学人工智能项目读博士。
在后来约半个世纪的时间里,辛顿引领着世界 AI 研究,或许他多元化的学科背景也起到了重要推动作用。
回顾往年,诺贝尔物理学奖曾颁布于
天体物理、复杂系统、量子信息科学、阿秒光学等领域……
就在众人大胆预测今年花落谁家时——
什么?居然颁布给了计算机科学家?
(
学物理的表示破防了,你们学计算机的没有自己的奖吗?😭)
实际上,辛顿已经同 Yoshua Bengio、杨立昆(Yann LeCun)在 2018 年共同获得了图灵奖🖖。
由此可以看出,
一些专业的效用和影响力正在跨领域式的外溢,不同领域之间的边界也越来越模糊
。
如今,人工智能已越来越深入各行各业,帮助各学界开展科学研究,也为我们的生活带来翻天覆地的变化。人工智能作为未来的大趋势,以
发展前景好、回报率高等特征受到大众的关注和重视,同样也是未来高薪热门专业的不二选择。
Computer Science(计算机科学)
,是目前各个留学国家最热门的理工科专业之一,每年的申请人数都呈上升趋势,甚至有不少其他专业的同学“转码”来申请计算机,申请难度也逐年攀升。
计算机涉及的领域非常广泛,其分支学科也非常多。我们常说的 CS
包含了计算机科学及其分支领域各专业细分方向
,它是一门包含各种各样与计算和信息处理相关主题的系统学科,从抽象的算法分析、形式化语法等等,到更具体的主题如编程语言、程序设计、软件和硬件等。
专业细分:
选校梯度:
点击查看大图此处仅做笼统概括,具体难度需要根据自身背景条件来判断
AI 的应用场景多元,相关专业的选择也很多。
以申请 Master 来讲
1.Data Science 和 Machine Learning
数据科学、机器学习
重点是 Machine Learning,与 AI 极其对口。
而数据科学这个项目是近五年来比较新兴的专业,一直在发展和完善。但是在选校选项目的时候需要去仔细甄别,有些学校的项目偏 technical,开设在工学院居多,课程包括了计算机科学、统计、机器学习的内容。
但还有部分 Data Science 的项目,它可能叫 Data Analytics,或者叫 Analytics,开设在商学院居多,这类项目课程内容是商科和 technical 对半分,可能涉及不到机器学习内容,不一定能够满足同学们想深耕 AI 领域的需求。
2.Electronic Engineering、Computer Engineering、Electronic Computer Engineering
电气工程、计算机工程、电子计算机工程
可以简单称为 EE、 ECE 或者是 ECE 项目。
不同项目的课程设置也有较大差别,可能名称相似,但是课程的软硬程度不一,有的学校课程开设偏硬核,会比较偏 AI 芯片方向。计算机科学、人工智能、软件工程这三个类项目算比较软的,但也与 AI 关联度很高,如果想往软件方向发展,多修一些 AI 方向的课程。
3.Robotics、Mechanical Engineering(ME)机器人、机械工程
这其实就是 AI 机器人的一个方向,比较偏硬件。如果有同学对机器人、人机交互,这个方向是个不错的选择。
4.Industrial Engineering and Operations Research 工业工程和运筹学
这个方向与 AI 并不是强相关的关系,但是也有些项目的 IUR 下面会开设机器学习的分支,美国很多学校的方法就是把机器学习的课程引用进来,主要是为了提升学生就业率。所以读了这类项目,可以做到:从学习内容到你做的项目,甚至未来做的实习,都与 AI 有关联性。
同时,它的申请难度比计算机科学相对更简单,这也算是选校方面的小技巧。
全球范围内,不少名校都在紧跟时代的脚步,陆续开设各类人工智能相关专业。
港城
新成立的计算机学院
,将于今年 9 月 1 日开始运营,把生物统计学系、计算机学系和数据科学系整合成为一个学院。
这些领域与人工智能的发展密切相关,所以港城将这几个学科提升到学院层面,以促进跨学科的合作发展。
在不久前,
港大也新成立了计算与数据科学学院
,合并了不少前沿的专业。
针对 AI 发展的最新趋势,
港科在 25 Fall 也
新开了人工智能硕士
,今年首届招生,申请截止日期为 11 月 1 日(第一轮),感兴趣的同学可以在官网了解相关申请信息。
🔗官网链接:https://seng.hkust.edu.hk/academics/taught-postgraduate/msc-ai
两所院校成立人工智能相关学院
加州大学圣地亚哥分校(UCSD)今年新开设
计算、信息和数据科学学院
,该学院的目标是致力于培养新一代的人工智能领域人才。
伊利诺伊大学香槟分校(UIUC)今年也将新增
Siebel 计算与数据科学学院
,预计在计算与数据科学的交叉领域扎根,推动领域的创新发展。
CMU 开设 AI 在线课程
卡内基梅隆大学近日也官宣将开设
“生成式人工智能(Generative AI)与大型语言模型(Large Language Models)”
在线硕士课程。
作为一所引领计算机领域的强校,这一新增课程之举也是表明人工智能在
快速增长、且不得不被重视
的现状。
JHU 将专业更名为 AI 相关
约翰霍普金斯大学的商学院今年将两个热门项目改名,且都与 AI 有关。
Business Analytics and Risk Management
➡️Business Analytics and Artificial Intelligence
图源 JHU 官网
Information Systems
➡️Information Systems and Artificial Intelligence for Business
图源 JHU 官网
不难发现美国的名校都在
往 AI 方向靠拢
,更加聚焦于人工智能领域,如果对上述专业感兴趣的同学也可以在今年进行申请。
英国部分高校开设了不少面向无 CS 基础申请者的项目。
对非 CS 专业申请者友好!
伦敦大学学院
今年诺贝尔物理学奖获得者之一,也就是前面提到的
杰夫·辛顿
曾于
1991 年在伦敦大学学院(UCL)建立盖茨比计算神经科学中心,与统计科学系、计算机科学系、认知申请科学研究所互相输送资源和人才。
自此以后 UCL 在计算机科学领域方向的科研水平更上一层楼,成功晋升 CS 专业的第一梯队,UCL 也和谷歌、微软等国际知名公司保持着良好的伙伴关系。
UCL 的 CS 硕士专业是专门为无计算机背景的学生设计的
,课程将理论与实践相结合,既能满足企业用人要求也为学术研究打好基础。
虽然接受计算机或者信息技术以外的所有专业背景的学生申请,但会要求申请人有适当的数学能力证明。而且由于编程是课程的核心内容,所以
申请人必须确保具有良好的计算思维能力
。
图源 UCL 官网
爱丁堡大学
爱丁堡作为欧洲语言学和苏格兰文化发源地,是一个非常适合学习深造的城市,爱丁堡大学作为英国历史最悠久的大学之一,CS 专业也和 G5 院校不相上下。
爱宝 CS 项目接受的学生背景十分广泛,可接受
涉及
信息学、人工智能、认知科学、计算机科学、电气工程、数学、物理学或其他定量学科
的学
生。
但会
要求申请人有编程技能
,必须学过以下至少一个编程课程:
C/C++、Java、Python、R、Matlab、Haskell、ML。
本科必须完成相当于 60 学分的数学课程,这些课程通常包括以下科目:
微积分(微分和积分)、线性代数(向量和多维矩阵)、离散数学和数学推理(例如归纳和推理、图论模型、证明)和概率论(离散和连续概率中的概念、马尔可夫链等)。
图源 爱丁堡大学官网
不可否认,人工智能是未来大势所趋。它在多个领域超越了人类的能力,且仍有许多潜力有待挖掘,与其去害怕、担忧,不如去更好地接受它、利用它,让我们一起迎接人工智能时代!