·辛顿开发的玻尔兹曼机成为了生成模型的早期例子。玻尔兹曼机常被用作一个大网络的一部分，可以用来根据观众的喜好推荐电影或电视剧。·机器学习与传统软件不同，传统软件的工作方式就像一种配方。传统软件接收数据，然后根据清晰的描述进行处理并产生结果，就像有人收集原料并按照食谱处理。相反，在机器学习中，计算机通过实例学习，使其能够解决模糊和复杂的问题，这些问题无法通过一步一步的指令来管理。约翰·J·霍普菲尔德和杰弗里·E·辛顿因“通过人工神经网络实现机器学习的基础性发现和发明”，获得2024年诺贝尔物理学奖。图片来自诺奖官网。约翰·J·霍普菲尔德和杰弗里·E·辛顿因“通过人工神经网络实现机器学习的基础性发现和发明”，获得2024年诺贝尔物理学奖。
20世纪90年代，许多研究人员对人工神经网络失去了兴趣，但辛顿是继续在该领域探索的科学家之一，他还在这项工作的基础上帮助启动了当前机器学习的爆炸性发展。2006年，他和同事开发了一种预训练网络的方法，该网络由一系列分层的波尔兹曼机组成。这种预训练为网络中的连接提供了一个更好的起点，从而优化了识别图像元素的训练。玻尔兹曼机常被用作一个大网络的一部分，可以用来根据观众的喜好推荐电影或电视剧。
值得一提的是，辛顿因在深度学习方面的贡献与约书亚·本希奥和杨立昆一同被授予了2018年的图灵奖。
今天的人工神经网络通常是巨大的，由更多层组成。它们被称为深度神经网络，它们的训练方式被称为深度学习。人工智能越来越深入各行各业、帮助科学研究。诺奖官方评价称，物理学为机器学习的发展提供了工具，物理学作为一个研究领域如何也从人工神经网络中受益将是有趣的。
