双语新闻阅读与练习--高考英语备考一轮复习.docx

双语新闻阅读与练习

2024年诺贝尔物理学奖公布

双语新闻

Backinthe1980s,JohnHopfieldandGeoffreyHintonsetthestagefortoday’sartificialintelligencebyusingphysicstoidentifypatternsininformation.

早在20世纪80年代，约翰·霍普菲尔德和杰弗里·辛顿就利用物理学来识别信息中的模式，为今天的人工智能奠定了基础。

Theirworknowallowsmachinesto?mimic?learningandremembering,?functionsthatwerepreviouslythoughttobethesole?province?oforganicbrains.

现在，他们的研究使机器能够模仿学习和记忆，而这些功能在以前被认为是生物大脑的专属领域。

Atatechconferencelastyear,Hintonemphasizedthedifferencesaresmallerthanyoumightthink.

在去年的一次科技会议上，辛顿强调，这种差异比你想象的要小得多。

“We’rejustamachine.We’reawonderful,incrediblycomplicatedmachine,butwe’rejustabig?neural?net.?Andthere’snoreasonwhyanartificialneuralnetshouldn’tbeabletodoeverythingwecando.”

“我们只是一台机器。我们是一台奇妙的、极其复杂的机器，但我们只是一个巨大的神经网络。没有理由说人工神经网络不能做我们能做的一切。”

Modernartificialneuralnetworksarestructuredonthetwo?recipients’?groundbreaking?ideasinthefieldofstatisticalphysics.

现代人工神经网络是基于这两位获奖者在统计物理学领域的开创性思想建立的。

Theirmodelsallowmachinestostartmakingapparentlyintuitiveleapsthroughassociationoridentifyingsimilarelementsinsystemslikehumanscan.

他们的模型让机器开始像人类一样，通过联想或识别系统中的相似元素，实现明显的直觉飞跃。

That’s?radically?changed,forinstance,?cancer?diagnosis.

这从根本上改变了，例如，癌症诊断。

“Youcantrainanartificialneuralnetworkonwhichareknowntobe?tumors?imagesthatyouknowthisisaproblem,youtrainthenetwork,?andthenitcanbecomeveryfastandefficientatfindingthisinimages.?Anditcanworkmuchmorequicklyoritassiststhedoctorandbemuchmorecertaininthediagnosis.”

“你可以通过一个已知是肿瘤的图像来训练人工神经网络，你知道这是个问题，你训练网络，然后它可以变得非常快速和有效地在图像中发现问题所在。它可以更快地工作，或者帮助医生更确定诊断。”

Andmedicalimagingisjustoneareawheretheresearchhashadahugeimpact.

医学成像只是该研究产生巨大影响的一个领域。

Alnowalsoplayskeyrolesinfieldsasdiverseaslargelanguagemodels,?particlephysics,atmosphericandclimatemodeling,andpredictingthestructureofproteins.

如今，人工智能在大型语言模型、粒子物理、大气和气候建模以及预测蛋白质结构等领域也发挥着关键作用。