8日宣布的2024年诺贝尔物理学奖“意外”垂青机器学习,让多个诺奖预测集体“翻车”,就连获奖者之一的杰弗里·欣顿也坦言自己“完全没想到”。看似不属于传统物理学任何一个分支领域的成果斩获诺奖,让不少学者开玩笑说诺贝尔物理学奖在跟计算机界的图灵奖“抢饭碗”。

　　最出人意料的诺奖
　　北京时间10月8日下午5点45分,约翰·霍普菲尔德和被外界称为“AI教父”的杰弗里·欣顿被授予诺贝尔物理学奖,以表彰他们通过人工神经网络实现机器学习的基础性发现和发明,帮助计算机以更接近人脑的方式学习,为AI的发展奠定了基础。
　　该奖项是对AI在人们生活和工作方式中日益重要的地位的认可。诺贝尔物理学委员会主席艾伦·穆恩斯表示:“获奖者的工作已经带来了巨大的好处。在物理学中,我们在广泛的领域使用人工神经网络,例如开发具有特定性能的新材料。”
　　诺贝尔奖委员会表示,霍普菲尔德博士和欣顿博士的突破“立足于物理科学的基础之上”,“他们为我们展示了一种全新的方式,让我们能够利用计算机来帮助和指导我们应对社会面临的许多挑战”。
　　不过这一结果也让无数网友大吃一惊,之前谁也没料到诺贝尔物理学奖居然会颁给计算机科学相关的研究。有网友惊呼,“这是个玩笑吗?这应该是图灵奖该干的事儿呀。”
　　面对外界的疑问,诺贝尔奖官方解释说:“您是否知道机器学习模式是基于物理方程的?”
　　其实,不单是外界,获奖者欣顿本人都没想到自己能够“跨界”获得诺贝尔物理学奖。他在接到诺贝尔奖委员会的电话时说道:“我完全没想到会发生这种事。”
他们有何贡献
　　当前人们谈论人工智能时,经常指的是使用人工神经网络的机器学习。诺贝尔物理学委员会秘书乌尔夫·丹尼尔松对记者强调,人工神经网络在物理学中的研究和应用已经持续了相当长一段时间,本次诺贝尔物理学奖并非颁发给过去几年人工智能的发展,不是针对大语言模型或类似的东西,而是针对基础发明。
　　远在人工智能成为今天的科技热词之前,这两名科学家从20世纪80年代起就在人工神经网络领域做出了重要工作。这项技术最初的灵感来自大脑的结构。就像大脑中大量神经元通过突触相连一样,人工神经网络由大量的“节点”通过“连接”组成。每个节点就像一个神经元,而连接的强弱则类似于突触的强度,决定了信息传递的效果。
　　1982年,美国科学家约翰·霍普菲尔德创建了一种用于机器的联想记忆方法,提出了一种革命性的网络结构,被称为“霍普菲尔德网络”。这个网络能够存储多个模式(比如图像),并且在面对不完整或有噪声的输入时,能够重构出最相似的模式。
　　英国裔加拿大科学家杰弗里·欣顿在此基础上更进一步,他希望机器能像人类一样自主学习和分类信息,于1985年和同事提出了“玻尔兹曼机”的网络模型,这个名字源于19世纪物理学家路德维希·玻尔兹曼的方程。该模型通过统计物理学中的玻尔兹曼分布来识别数据中的特征,成为现代深度学习网络的基础。欣顿的研究继续推进,导致了当前机器学习领域爆炸式的发展。因在深度学习方面的贡献,杰弗里·欣顿在2018年获得了图灵奖。
　综合新华社、每日经济新闻等