01

2024 年，諾貝爾物理學獎授予了美國新澤西州普林斯頓大學教授約翰·霍普菲爾德（John J. Hopfield）和圖靈獎得主、人工智能教父杰弗里·辛頓（Geoffrey E. Hinton），以表彰他們「利用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)機器學習的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明」。二人將平分1100萬瑞典克朗（750萬人民幣）的獎金。

這一結(jié)果多少有些出乎意料。但仔細思索，又在情理之中。

一個以傳統(tǒng)物理學家為中心的獎項，授予了兩位人工智能的研究先驅(qū)，恰逢人工智能取得大突破的時期。

這不僅意味著諾貝爾獎官方對當前科學前沿領(lǐng)域的緊密關(guān)注，也預示著AI的發(fā)展正從關(guān)鍵的突破期進入對社會具有更廣泛影響的新階段，它不能不被傳統(tǒng)社會的目光所注意，也必將被大眾所接納。

02

物理學一詞在西方，幾乎與科學一詞含義相同。

顧名思義，它是指人類對客觀世界即一切可觀察、可感覺、可觸碰的事物的研究，意在搞清研究對象的成分、性質(zhì)，與其它事物的關(guān)系等等。

它的研究方法幾乎可以說是實驗的、歸納的，但同時也包含了抽象的、演繹的成分，需要研究者具備深厚的專業(yè)基礎(chǔ)知識，廣播的觀察視野和具有創(chuàng)造性發(fā)現(xiàn)的想象能力。

總體上，無論什么研究方向，物理學需要一個研究對象，并對這個對象身上發(fā)生的事情原委有探求到底的欲望。它在最開始往往出于對知識本身的好奇，而不具有明確的實用目的。

因此從科學研究取得發(fā)現(xiàn)，到這一發(fā)現(xiàn)與理論真正影響人類生活通常需要一段時間，即將理論成果轉(zhuǎn)化為實踐應用的過程。

這就是西方教育注重基礎(chǔ)科研，不盲目追求短期成果的原因所在，但其實也是科學發(fā)展的歷史現(xiàn)象的不斷累積造成的結(jié)果。而今年的兩位諾貝爾物理學獎得主，也十分恰當?shù)卦忈屃诉@一過程的不可避免性。

03

今年的獲獎?wù)邚?1980 年代開始就「人工神經(jīng)網(wǎng)絡(luò)」進行了重要的工作。他們的工作在不斷地疊加和相互影響近40年之后，人工智能取得了歷史性的突破。

實際上，人工神經(jīng)網(wǎng)絡(luò)的機器學習起源于1940年代，它的發(fā)展遠沒有結(jié)束。

科研是漫長的求索過程，不同范疇的科學發(fā)展是一個歷史過程，籠罩在科學整體的進程和秩序中，AI也不例外。

04

人工智能從字面上即可理解為一種特殊的、針對人類大腦思考活動的「仿生學」。

它的模仿對象是人類大腦結(jié)構(gòu)，工作目標是建立可以進行思考的「人工神經(jīng)網(wǎng)絡(luò)」系統(tǒng)。在這個系統(tǒng)中，大腦的神經(jīng)元由具有不同值的節(jié)點代替。這些節(jié)點通過類似大腦樹突的連接相互影響，并且可以變得更強或更弱。

人類大腦的神經(jīng)元具有感受刺激、整合信息和傳導沖動的能力。神經(jīng)元感知環(huán)境的變化后，再將信息傳遞給其他的神經(jīng)元，并指令集體做出反應。神經(jīng)元占了神經(jīng)系統(tǒng)約一半，其他大部分由神經(jīng)膠質(zhì)細胞所構(gòu)成。

據(jù)估計，人腦中約有850-1200億個神經(jīng)元，神經(jīng)膠質(zhì)細胞的數(shù)目則更是其10倍之多。也就是說，一個人只要在有意識地思考和行動，每分每秒都是神經(jīng)元在上上下下地發(fā)揮作用。

當我們問一個人「今天天氣如何」時，他收到這個信息，首先需要理解這句話的意思，其次要能夠把身體器官感覺到的溫度濕度等信息轉(zhuǎn)換為語言「說出來」，這個過程看似簡單，實則是神經(jīng)系統(tǒng)的一次復雜的工作，涉及到大腦中存儲的歷史信息（經(jīng)驗），對這些信息的辨認、處理和準確表述。

在人工神經(jīng)網(wǎng)絡(luò)中，也要設(shè)置無數(shù)的節(jié)點，那么如何讓這些節(jié)點之間發(fā)生有效的關(guān)聯(lián)，從技術(shù)上是極其復雜和具有難度的。

05

首先是今年獲獎的約翰·霍普菲爾德（John J. Hopfield）發(fā)明了一個網(wǎng)絡(luò)，它使用一種方法來保存和重新創(chuàng)建模式。

我們可以將節(jié)點想象成像素。Hopfield 網(wǎng)絡(luò)利用物理學來描述材料的原子自旋特性，這種特性使每個原子都成為微小的磁鐵。

整個網(wǎng)絡(luò)的描述方式相當于物理學中自旋系統(tǒng)中的能量，并通過查找節(jié)點之間的連接值進行訓練，以便保存的圖像具有低能量。

當 Hopfield 網(wǎng)絡(luò)收到失真或不完整的圖像時，它會有條不紊地通過節(jié)點并更新它們的值，以便網(wǎng)絡(luò)的能量下降。因此，網(wǎng)絡(luò)逐步工作以找到與它所饋送的不完美圖像最相似的已保存圖像。

隨后是另一位獲獎?wù)呓芨ダ铩ば令D（Geoffrey Hinton） 使用 Hopfield 網(wǎng)絡(luò)作為使用不同方法的新網(wǎng)絡(luò)的基礎(chǔ)：玻爾茲曼機。這可以學習識別給定數(shù)據(jù)類型中的特征元素。

杰弗里·辛頓（Geoffrey Hinton）使用了統(tǒng)計物理學中的工具，統(tǒng)計物理學是由許多類似組件構(gòu)建的系統(tǒng)科學。通過向機器提供機器運行時極有可能出現(xiàn)的示例來訓練機器。

玻爾茲曼機可用于對圖像進行分類或創(chuàng)建訓練它的模式類型的新示例。杰弗里·辛頓（Geoffrey Hinton）以這項工作為基礎(chǔ)，幫助啟動了當前人工智能（機器學習）的爆炸性發(fā)展。

杰弗里·辛頓（Geoffrey Hinton）因其創(chuàng)造性的貢獻，很快被譽為全球公認的「人工智能教父」，成為人工神經(jīng)網(wǎng)絡(luò)和深度學習領(lǐng)域的先驅(qū)之一。

他的研究團隊在2012年設(shè)計了卷積神經(jīng)網(wǎng)絡(luò)AlexNet，在ImageNet挑戰(zhàn)賽上成功，徹底改變了計算機視覺領(lǐng)域。

作為人工智能領(lǐng)域的奠基人，杰弗里·辛頓（Geoffrey Hinton）不僅提出了許多重要理論，還培養(yǎng)了許多頂尖學生，如OpenAI前首席科學家Ilya Sutskever等人。大模型及生成式AI的技術(shù)底座也是來自于他。

06

無論這些基礎(chǔ)科學的研究多么復雜和深入，作為看客的觀眾總是關(guān)注來到眼前的「產(chǎn)品」，感到驚奇之余，不愿深挖理解其背后的發(fā)展軌跡和生成原理。

對這些復雜的專業(yè)術(shù)語我也不太清晰，從種種新聞和文章的描述來看，簡單講，John Hopfield 創(chuàng)建了一個聯(lián)想內(nèi)存，它可以存儲和重建數(shù)據(jù)中的圖像和其他類型的模式。

Geoffrey Hinton 發(fā)明了一種方法，可以自主查找數(shù)據(jù)中的屬性，從而執(zhí)行諸如識別圖片中的特定元素等任務(wù)。這些方法為當今強大的機器學習奠定了基礎(chǔ)。

當人工神經(jīng)網(wǎng)絡(luò)獲得簡單指令后，能夠辨認這些指令，并做出有效反應，離不開兩位獲獎?wù)叩墓ぷ鳌?/p>

07

過去的物理學關(guān)注的是探索物理世界的基本規(guī)律，如實體物質(zhì)、宇宙、粒子、能量等。

然而，今年的物理學諾貝爾獎表明，物理學的邊界正在被人工智能所拓展。物理學家已經(jīng)將人工智能視為物理學的一部分。

可以這么說，傳統(tǒng)物理是發(fā)現(xiàn)宇宙的規(guī)律，而人工智能則定義了一個新的「數(shù)字宇宙」。

機器學習模型中的數(shù)學結(jié)構(gòu)、優(yōu)化問題，甚至量子計算中的機器學習應用，都與物理學中的許多核心概念息息相關(guān)。

機器學習，尤其是通過人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)的自我學習與優(yōu)化，與傳統(tǒng)的物理學概念之間產(chǎn)生了聯(lián)系。

霍普?菲爾德（John Hopfield）的神經(jīng)網(wǎng)絡(luò)模型依靠能量最小化原理來處理記憶和聯(lián)想，直接借用了統(tǒng)計物理中的概念。

物理科學家們不再僅僅局限于研究連通性的規(guī)律，而是通過人工智能為我們創(chuàng)造了一個新的「宇宙」——一個由算法和數(shù)據(jù)驅(qū)動的虛擬世界。

這次諾貝爾獎的選擇，無疑讓我們看到了物理學的未來。

08

那么今年的獲獎情況是諾貝爾物理學獎蹭了人工智能的熱度，還是人工智能沾了物理學的光？

抑或者像《三體》小說中預示的那樣，「物理學不存在了」？

其實，這個結(jié)果既不是巧合，也不是物理學界為了跟上時代的發(fā)展而蹭熱度。

實際情況是，我們正在進入一個交叉學科爆發(fā)的時代。

人工智能本身是計算機科學、物理學、數(shù)學等多學科交匯的產(chǎn)物，它不僅影響著數(shù)據(jù)分析、工程設(shè)計，還深刻改變了生物學、天文學，甚至傳統(tǒng)研究物理學的方式。

人們發(fā)現(xiàn)，通過機器學習的方式，可以更高效地處理大量復雜的數(shù)據(jù)，發(fā)現(xiàn)新的物理規(guī)律或材料特性，這種技術(shù)的應用超越了以往的物理方法，成為推動科學進步的關(guān)鍵力量。

未來，更多的交叉學科將會逐漸興起。

諾貝爾獎的選擇不僅僅是對已有成果的認可，也在引領(lǐng)科學發(fā)展的未來方向。

最后，我忍不住想提醒一嘴：知道將來孩子們的志愿怎么報了吧？

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。