报告摘要：

本报告首先阐述为什么霍普菲尔德和辛顿能够获得物理学诺奖，最近10年兴起的人工智能热潮和他们有什么关系，讨论是否需要过渡担忧机器智能的失控。然后介绍机器学习的基本概念，讨论机器学习与人类学习，深度网络与浅层网络，transformer 构建与一般深度网络等的关系。最后介绍本课题组关于非对称霍普菲尔德模型，机器学习系统预测与状态预测，深度学习的机理等方面的工作。最后讨论一下物理学今后的发展趋势。

报告人简介：

赵鸿，厦门大学物理科学与技术学院教授、博士生导师，国家杰出青年科学基金获得者。主要研究领域为统计物理、输运理论、非线性动力学以及机器学习等，在低维晶格热输运，布朗运动，非对称霍普菲尔德模型，机器学习预测等理论研究方面取得了一定的成绩。近年来，他领导的研究组基本解决了著名的FPUT问题，对经典晶格热化给出了一般性的结论。