英国裔加拿大籍的杰弗里·辛顿（Geoffrey Hinton）被誉为“人工智能教父”，美国物理学家约翰·霍普菲尔德（John Hopfield）因“使人工神经网络实现机器学习的发现和发明”而获奖，诺贝尔评审团称。但什么是神经网络和机器学习？这又意味着什么？牛津大学的机器学习专家马克·范德威尔克（Mark van der Wilk）告诉法新社，人工神经网络是一种受人类大脑“松散启发”的数学结构。我们的大脑有一个由被称为神经元的细胞组成的网络，它们通过相互发送信号来对外部刺激（如我们眼睛看到或耳朵听到的东西）做出反应。当我们学习时，神经元之间的一些连接会变强，而另一些则会变弱。与更像按食谱操作的传统计算不同，人工神经网络大致模仿了这个过程。生物神经元被有时称为“节点”的简单计算所取代，它们学习的输入刺激被训练数据所取代。其理念是，这可以让网络随着时间的推移进行学习，因此称为机器学习。
在机器能够学习之前，另一个人类特质是必要的：记忆。这就是“霍普菲尔德网络”（也称为“联想记忆”）背后的理念，这位物理学家在20世纪80年代初就提出了这一理论。霍普菲尔德的贡献意味着当一个人工神经网络得到稍有错误的东西时，它可以循环通过先前存储的模式以找到最接近的匹配。这被证明是人工智能的一个重大进步。
1985年，辛顿揭示了他在该领域的贡献——至少是其中之一——称为玻尔兹曼机。以19世纪物理学家路德维希·玻尔兹曼（Ludwig Boltzmann）命名，这个概念引入了随机性元素。辛顿还表明，网络的层数越多，“其行为就越复杂”。这反过来又使“有效地学习所需的行为”变得更容易。
尽管这些想法已经存在，但许多科学家在20世纪90年代对该领域失去了兴趣。机器学习需要能够处理大量信息的极其强大的计算机。直到21世纪10年代，一系列突破“彻底改变了与图像处理和自然语言处理相关的一切”。从阅读医学扫描到指导自动驾驶汽车，从预测天气到创建深度伪造，人工智能的用途现在数不胜数。
辛顿已经获得了被认为是计算机科学领域诺贝尔奖的图灵奖。但几位专家表示，他在物理学领域的获奖是当之无愧的，这开启了通向人工智能的科学之路。
