实属“没有想到”，两位AI先驱摘获今年的诺贝尔物理学奖！

教育




10月8日揭晓的2024年诺贝尔物理学奖，让不少人震惊

<body>
 <div class="medium_layout" contenteditable="false">
 <div contenteditable="true">
 <img class="ait_item_box img_default" style="max-width: 600px; height: auto; display: block; margin: 0 auto;" src="https://image.whb.cn/image/636e72ed7c2c4e5294e85f4aaca3978f.jpg" alt="" width="900" height="900" data-id="1155185" data-src="https://image.whb.cn/image/636e72ed7c2c4e5294e85f4aaca3978f.jpg" data-width="900" data-height="900">
 </div>
 </div>
 10月8日揭晓的2024年诺贝尔物理学奖，让不少人震惊。
 为表彰利用人工神经网络实现机器学习的奠基性发现和发明，今年的诺贝尔物理学奖授予美国物理学家约翰·霍普菲尔德（John J. Hopfield）和英裔加拿大计算机科学家杰弗里·辛顿（Geoffrey E. Hinton），他们将平分1100万瑞典克朗（约合745万元人民币）奖金。
 辛顿在接受瑞典皇家科学院的电话采访时停顿了很久，然后他说：“我没有想到”。
 事实上，学界几乎没人预料到，今年的诺贝尔物理学奖会花落机器学习领域，颁给了两位人工智能（AI）先驱。此前，他俩几乎从未出现在该奖项的预测名单中，而辛顿更为人所知的身份是“人工智能之父”。
 解读今年的诺贝尔物理学奖，多位学者谈到，“若考虑到两位获奖者对世界的贡献，这个结果也并不那么令人震惊。”
 利用物理学工具，为强大的机器学习奠基
 如今，深度学习模型已成为连中学生都可熟练使用的AI工具，而这些模型正是在这两位获奖者的成果上不断演进而来。
 正如今年的诺奖颁奖词所言，两位获奖者使用物理学工具开发了各种方法，而这些方法为当今强大的机器学习奠定了基础。其中，霍普菲尔德创造了一种关联记忆，它能够存储和重构图像以及其他模式类型。辛顿发明了一种能够自主发现数据中属性的方法，并执行任务，如识别图像中的特定元素。
 现年91岁的霍普菲尔德是一位物理学家，他在1980年代首次提出了“霍普菲尔德网络”，这一单层、全反馈的网络结构模仿生物神经元连接，并引入了能量函数。当能量函数达最小值，整个系统达到稳定状态。在神经网络中，这个稳定状态正是对应于网络的记忆或存储的信息。这一模型被证明具有广泛的应用，涵盖机器学习、联想记忆、模式识别、优化计算等多个领域。
 上海交通大学人工智能学院教授严骏驰介绍，霍普菲尔德的工作不仅扩展了统计物理学的边界，还创建了一种新的思考大脑计算的语言，对神经网络的动力学有了更深入的理解。基于在这一领域的杰出贡献，霍普菲尔德曾获2022年玻尔兹曼奖。
 另一位获奖者辛顿，则是机器学习领域的领军人物。辛顿利用统计物理学的工具，对霍普菲尔德网络进行随机扩展，开发出了“玻尔兹曼机”。他通过输入在运行时很可能出现的示例来训练玻尔兹曼机，用于分类图像等。不仅如此，辛顿还在此基础上继续拓展，启动了机器学习的爆炸性发展。他曾于2018年获得计算机领域的最高奖——图灵奖。
 上海大学理学院教授许新建介绍，辛顿的工作大大推动了人工神经网络的发展，打破了机器学习的瓶颈。此外，包括量子人工智能领域，新型量子算法和量子计算机的设计，也都受益于他们的工作。
 在“不受待见”的方向持续耕耘，挺过学术寒冬
 其实，人工神经网络并非最新的研究方向，从上世纪60年代起，科学家们就开始研究，且研究过程几经起伏。不论是霍普菲尔德还是辛顿，他们的研究都经历了从热到冷、再到热的过程。尤其是辛顿，更为业内人士熟知的是他30年坐“冷板凳”的故事。
 “早在上世纪80年代，人工神经网络曾是热门研究方向，但由于当时计算机算力等问题，这个领域一度被认为难有突破，很快就不再为人们所关注。但是，这两位学者却能持续地在神经网络方向耕耘。神经网络深度学习可说在他们的研究基础上得到了爆发式发展。”复旦大学类脑科学与智能研究院院长冯建峰教授上世纪80年代时读博士期间的研究以及博士论文，就与霍普菲尔德网络相关，他与辛顿也有研究交集。
 1986年，辛顿就和两位学生发表了一篇关于“反向传播算法”的论文，这一算法是训练神经网络的核心。但当时并未改变神经网络研究持续走低的趋势，直到2012年，辛顿和两位学生提出Alexnet模型，大幅提升了视觉识别的正确率后，引起了全球科学界震动，才开启了深度学习的热潮。
 在冯建峰看来，出生于学术世家的辛顿是那种典型的为了学问而学问的人。也正是因此，他在神经网络研究的“寒冬”季节，一度在爱丁堡大学申请不到研究经费，但即便如此，他仍然没有放弃，而是“辗转”美国、加拿大继续他的研究方向。
 “难以想象辛顿当年会在神经网络这个‘不受学界待见’的研究方向持续耕耘，直到在深度学习领域实现了巨大的突破。”上海交通大学人工智能学院特聘研究院张娅告诉记者，包括辛顿的导师在内，当时不少人都认为辛顿不该在这个方向浪费时间，甚至还劝说他转换方向。但也正是他在这个冷门的领域耕耘，使得他获得了2018年的图灵奖和今年的诺贝尔物理学奖，并且为后来人工智能的发展带来了革命性的突破。
 诺奖越来越垂青交叉领域，凸显前沿学科特性
 随着今年诺贝尔物理学奖的颁出，不少学者也开始讨论一个延伸话题：近年来，这一奖项越来越垂青交叉研究。
 “这无异于凸显了前沿学科的交叉与互通性。”严峻驰在接受记者采访时列举到，2020年的诺贝尔物理学奖颁给了数学家彭罗斯，2021年的诺贝尔物理学奖则颁给了研究复杂系统的气象学家真锅淑郎、克劳斯·阿塞尔曼。再看今年，霍普菲尔德和辛顿两人也同样是“跨界高人”。霍普菲尔德是一位横跨多个学科领域的物理学博士，在物理、化学和生物学的交叉处开发了神经网络。辛顿就读剑桥大学时，同时学习物理学和生理学，后来获得实验心理学学士学位，他通过物理、数学和计算机、神经心理学多领域的交叉，推动机器学习的发展。
 中国科学技术大学教授施郁表示，机器学习的重要研究和发展，都与物理学有着千丝万缕的关系。一方面，物理学早已突破传统领域，研究的范围更广；另一方面，随着AI工具被广泛使用，越来越多的科研人员也正使用机器学习，继续拓展着物理、化学、生物等研究边界。
 <div class="content_sign">
 文：姜澎&nbsp;储舒婷 
 图：诺奖官网 
 编辑：储舒婷 
 责任编辑：樊丽萍
 </div>
</body>

实属“没有想到”，两位AI先驱摘获今年的诺贝尔物理学奖！

扫码下载文汇客户端