以往，大家都嘲笑诺贝尔化学奖是“理综奖”，说它“雨露均沾”。今年，诺贝尔物理学奖“不鸣则已，一鸣惊人”，颁给了机器学习研究领域，更“夸张”的是其中一位获奖者直接是计算机学家。结果公布后，连获奖者辛顿本人在接受瑞典皇家科学院的电话采访时，也直呼“没有想到”。
摘得桂冠的两位科学家
北京时间10月8日，2024年诺贝尔物理学奖揭晓。美国科学家约翰·霍普菲尔德与英国科学家杰弗里·辛顿因“在人工神经网络机器学习方面的基础性发现和发明”获此殊荣。
机器学习与传统软件不同，传统软件的工作方式就像一种配方。传统软件接收数据，然后根据清晰的描述进行处理并产生结果，就像有人收集原料并按照食谱处理。相反，在机器学习中，计算机通过实例学习，使其能够解决模糊和复杂的问题，这些问题无法通过一步一步的指令来管理。
人工神经网络机器学习这项技术，最初的灵感来自大脑的结构。在人工神经网络中，大脑的神经元由具有不同数值的节点表示。这些节点通过类似于突触的连接相互影响，并且可以变得更强或更弱。例如，通过在同时具有高数值的节点之间建立更强的连接，以此来训练网络。
最近两年来，人们经常谈论人工智能的发展，谈论那些越来越聪明的AI。这背后是研究者几十年的探索的结果。
两人获奖的缘由
人工智能“第一次浪潮”后，一度停滞不前。直到20世纪80年代，约翰·霍普菲尔德“登场”——他发明了一种名为“霍普菲尔德网络”的联想存储器，可以存储和重建图像以及数据中的其他类型模式。简单来说，这个网络能够存储多个模式，并且在给定不完整或有噪声的输入时，能够重构出最相似的存储模式——这一关键突破重新点燃了“第二次浪潮”。
1980年，霍普菲尔德离开了普林斯顿大学的职位，他的研究兴趣把他带出了物理学同行们工作的领域。他来到加州理工学院担任化学和生物学教授。在那里，他可以使用计算机资源进行免费实验，并发展他关于神经网络的想法。但他并没有放弃自己的物理学基础。霍普菲尔德的灵感来自物理学中描述磁性材料的理论。磁性材料由于原子自旋而使得每个原子都能成为一个微小的磁铁，相邻原子的自旋相互影响。得益于对磁性材料的了解，霍普菲尔德利用描述自旋相互影响时材料如何发展的物理学原理，建立了一个具有节点和连接的模型网络。霍普菲尔德等人继续发展霍普菲尔德网络的运作细节，例如可以存储任何值的节点，而不仅仅是0或1。如果把节点想象成图片中的像素，它们可以有不同的颜色，而不仅仅是黑色或白色。改进的方法使保存更多的图片成为可能，即使它们非常相似，也可以区分它们。
在构建这种人工神经网络的过程中，霍普菲尔德曾获得2022年的玻尔兹曼奖，获奖理由是“扩展了统计物理学的边界，使其涵盖生命现象，从分子水平信息传输的动力学校对到神经网络的动力学，他创建了一种用于思考大脑计算的新语言”。
记住一幅图像是一回事，但要解释它所描绘的内容需要更多的东西。
辛顿曾在英格兰和苏格兰研究实验心理学和人工智能，他想知道机器是否能像人类一样学会处理模式、分类和解释信息。当霍普菲尔德1982年发表关于联想记忆的文章时，辛顿正在卡内基梅隆大学工作。辛顿将霍普菲尔德发明的网络作为一个新网络的基础，这种新网络使用另一种方法是玻尔兹曼机，可以学习识别给定类型数据中的特征元素。这一方法发表于1985年。
辛顿使用了统计物理学的工具，通过给机器输入案例来训练机器。玻尔兹曼机不是从指令中学习，而是从给定的例子中学习，它可对图像进行分类，或者为它所训练的模式类型创建新的案例。玻尔兹曼机每次更新一个节点的值，最终机器将进入一种状态，在这种状态下，节点的模式可以改变，但整个网络的属性保持不变。根据玻尔兹曼方程，每个可能的模式都有一个特定的概率，这个概率由网络的能量决定。当机器停止时，它创造了一个新的模式，这使得玻尔兹曼机成为了生成模型的早期例子。这一成果让机器学习领域出现了“爆炸性发展”。
作为“神经网络之父”和“深度学习之父”，辛顿于1947年出生于英国伦敦，1978年获英国爱丁堡大学博士学位，如今是加拿大多伦多大学教授。他是使用神经网络进行机器学习的先驱，教会了人工智能如何自动查找数据中的属性，从而执行识别图片中特定元素等任务。他还在2018年，获得了图灵奖这一计算机领域的最高荣誉。
辛顿和霍普菲尔德的这些研究，都是在20世纪80年代就已经做出来了。几十年过去，他们的研究不断获得认可。正如诺贝尔物理学委员会主席艾伦·穆恩斯所评价的那样，他们的工作“已经带来了最大的效益”。
物理学积极拥抱AI 新时代
什么是物理？物理是认知世界的一种方法学。但今年的诺奖表明了一种态度：理解世界有另一种方法学，数据驱动——也就是AI。AI可以帮助气象部门更准确、更长时间地预测天气，帮助生物学家预测蛋白质结构，也能帮助物理学家更精准控制核聚变……这在传统物理领域都需要通过精细的物理方程以及基于此的数值模拟来实现，现在深度神经网络已经显示出了比传统物理方案更强大、更快捷的解决能力。
就像新晋得主杰弗里·辛顿在得知获奖后说，自己会用GPT-4，尽管不完全相信GPT-4的答案，但一旦自己有什么不知道，便会去问一下，“在AI的辅助下，人们可以用更少的时间做更大范围的工作，这意味着生产力的巨大改善。”
诺贝尔物理学奖委员会主席艾伦·穆恩斯也表示：“获奖者的工作已经产生了巨大的效益。在物理学中，人工神经网络已经得到了广泛的应用，例如开发具有特定属性的新材料。”
这次诺贝尔物理学奖颁给机器学习，也证明物理学是一个开放的学科，物理学可能要迎来数据驱动（AI）范式变化的新时代。
