探索未知 科教救国
今天在科学界刷屏的，是一次史无前例的诺贝尔物理学奖。
10 月 8 日下午，瑞典皇家科学院宣布将 2024 年诺贝尔物理学奖授予 John J. Hopfield 和 Geoffrey E. Hinton——“以表彰他们在使用人工神经网络实现机器学习方面奠基性发现和发明”。
这不仅令充满期待的物理界一片哗然，也让媒体深感意外。
John J. Hopfield是一位物理学家，但探索了更多领域；而Geoffrey E. Hinton公认的头衔则是认知心理学家、计算机科学家，或者是更传奇的“人工智能之父”。正如《纽约时报》评价，“他不是物理学家。”
在接下来接受《纽约时报》采访时，Hinton本人也坦言，“如果有诺贝尔计算机学奖，我们的成果明显会更合适。”
的确，128年前，凭借科学发明创造而富可敌国的诺贝尔在去世时，一定无法预料到今天的科学版图会如此扩张。
所以任何机制其实都是可以迭代的，只要不违背初心。
今天我们就从科技教育发展的角度，来聊聊这位人工智能大咖。
在过去的近百年，物理学因为在工业社会和信息工具上的贡献而引领着人类的发展，全球顶级人才都以征服高难度的物理学领域为荣，并因此造就了一批军事工业强国。人们曾经认为，以规则和逻辑来定义的机器能量是无所不能的，甚至很快超越人类所能。人工智能这个词语，最早可以追溯到上世纪五十年代，但很显然，它遭遇了一次又一次的发展瓶颈。
我们大概都还记得10年前的机器人和AI工具吧，虽然号称算法智商紧追人类，声音和内容却依然机械冰冷，很容易被人类“调戏”，连孩子们都称它们为“人工智障”。
在科技创新领域往往有个规律，就是问题由某个领域提出，答案却未必就在该领域。若没有触类旁通，哪有更进一步？
Geoffrey Hinton 出生于 1947 年，父亲是英国昆虫学家 Howard Hinton。
他的叔叔是提出了国民生产总值（GDP）这个术语的经济学家 Colin Clark，而曾曾祖父是逻辑学家 George Boole，他提出的布尔代数逻辑运算方法（Boolean algebra），今天已经被广泛地应用于开关电路和数字逻辑电路的变换、分析、化简和设计方面。
这是几个不同的领域，或许正是这样的背景，才没有束缚他的思维过于单一。
少年时代的Hinton，偶然接触到了全息图的工作原理，物体表面无数的反射光线被记录后存入巨大的数据库。这让来自科学世家的Hinton突然想通了困扰他的问题——人类大脑的工作原理：海量的细胞由无尽的神经元图谱连接起来，信息在其间传递并沿着十多亿条路径传输。
而计算机，是不是也可以如此？
也是这样的萌芽，成为他的执念，让他坚守着自己的观点：计算机可以像人类一样思考，凭借的是直觉，而不是规则。
25岁时，他执着地选择了神经网络作为研究方向。40岁时，从未学过计算机课程的Hinton进入多伦多大学计算机专业，为CIFAR展开机器和大脑学习项目研究。
三十多年来，他所执着的方向始终被主流科学界否定和拒绝，但也从未放弃。比起科学家，他更像一个信念坚定的传道者，他的呐喊声被越来越多人聆听和认可，包括后来成为openAI联合创始人的Ilya Sutskever。
关于AI的探索之路从未停下，在2009年左右，随着算力的裂变式增长，语音和图像识别替代单一的文字，神经网络逐渐战胜了单一的逻辑系统。2012年，谷歌实验室进行了一次测试，在向神经网络投喂了足够的视频等语料之后，它自己学会识别“猫”。
在完全没有接受过“猫”的训练的前提下，AI实现了突破性的增长。这是一个见证历史的时刻，也是证明了Hinton理论正确性的关键一刻。
后来的事情我们都知道了，默默无闻的科学家一朝成名天下闻，而大模型之所以风靡全球，也完全归功于神经网络在AI中的深度应用。此时，他已经65岁了。
今天来看，Hinton的理念是过于前瞻性了，以至于条件时机不成熟时，周边人难以置信，甚至科学界都无法看懂。本质上来源于他从小获得的跨界思维，没有让前辈、业界的定律来束缚自己，如果说，“猫”是神经网络的直觉，那么“神经网络”则是Hinton的直觉，在高强度高密度的科学知识攻击中，他神奇地提前完成了量变到质变的过程，遵循了少年时的“灵光一闪”。
这样的路径，在今天，承担着科技创新历史使命的中国孩子们，又有多少人能够坚定不移地走下去呢？
推荐阅读：
想要和烜妈深度链接，畅聊家庭教育，分享中考高考信息的，请关注后添加烜妈微信（legendpkucinder），邀您进入对应的社群。
