读懂诺贝尔奖（一） | 聊聊机器学习那些事

主要观点总结

文章介绍了两位诺贝尔奖得主约翰·J·霍普菲尔德和杰弗里·E·辛顿，以及机器学习的三种基本方法：监督学习、无监督学习和强化学习。文章详细回顾了深度学习的发展历程，包括感知器、神经网络和深度学习的三个阶段，并强调了辛顿在深度学习发展中的重要贡献。

关键观点总结

关键观点1: 两位诺贝尔奖得主约翰·J·霍普菲尔德和杰弗里·E·辛顿的简介

霍普菲尔德基于统计物理提出了霍普菲尔德神经网络模型，开创了神经网络研究的新方向；辛顿则与合作者提出反向传播算法（BP算法），并在深度学习领域做出了重要贡献。

关键观点2: 机器学习的三种基本方法

监督学习使用人工标记的训练样本预测未来事件；无监督学习基于统计学习方法发现数据隐藏特征；强化学习强调智能体在奖励或惩罚的环境刺激下如何做出能取得最大化预期利益的行动。

关键观点3: 深度学习的历史发展

深度学习源于对人脑工作机制的研究，经历了感知器、神经网络和深度学习等阶段。辛顿提出的深度学习算法解决了BP神经网络难以达到全局最优的问题，引发了深度学习的热潮。