北京时间10月8日下午5点45分许，2024年诺贝尔物理学奖得主揭晓，John J. Hopfield（下称：约翰·J·霍普菲尔德）、Geoffrey E. Hinton（下称：杰弗里·E·辛顿）获得本届诺贝尔物理学奖，以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。![]()
两位获奖者将平分1100万瑞典克朗（约合745万元人民币）奖金。现如今人们谈起人工智能，多数情况下指的是使用人工神经网络进行的机器学习，而这套基础逻辑，正是由这两位科学家自上世纪80年代的研究开始。1982年美国科学家约翰·J·霍普菲尔德创建一种用于机器的关联记忆方法，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。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·E·辛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，于是将霍普菲尔德网络的想法应用于一种新网络，在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，成为了现代深度学习网络的基础。杰弗里·E·辛顿的研究继续推进，促进了当前机器学习领域爆炸式的发展。
此次诺贝尔物理学奖垂青机器学习出乎意料，机器学习并不属于任何一个传统物理学分支领域的成果，就连获奖者之一的杰弗里·E·辛顿也坦言“太意外了！我甚至一度怀疑是诈骗电话”。![]()
对此，诺贝尔物理学奖委员会主席艾伦·穆恩斯表示，获奖者的工作已经产生了巨大的效益。在物理学领域，我们将人工神经网络应用于广泛的领域，例如开发具有特定属性的新材料。诺贝尔物理学委员会秘书乌尔夫·丹尼尔松强调，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。丹尼尔松补充到，物理学奖可以授予理论上、实验上或者观测上的发现，也可以授予发明，今年的获奖成果从某种意义上讲也是一种发明，一种可以多种方式应用的发明。可以看出，除了这两位科学家的基础理论促进了机器学习实现突破外，其使用的工具以及为物理学带来的影响也是获得诺贝尔物理学奖的一个重要原因。![]()
物理学的原理为两名科学家在研究时提供了思路，于是两位科学家利用统计物理的基本概念设计人工神经网络，构建机器学习的基础。相关技术已被用于推动多个领域的研究，包括粒子物理、材料科学和天体物理等。此外，日常生活中的人脸识别和语言翻译等也在使用相关技术。约翰·J·霍普菲尔德，1933年出生于美国伊利诺伊州芝加哥市，1958年获得美国康奈尔大学博士学位，现任美国普林斯顿大学教授。杰弗里·E·辛顿，1947年出生于英国伦敦，1978年获得英国爱丁堡大学博士学位，现任加拿大多伦多大学教授。作为深度学习领域的领军人物，杰弗里·E·辛顿被称作“神经网络之父”、“AI教父”。值得一提的是，杰弗里·E·辛顿于2018年获得了图灵奖，他也因此成为历史上第一位诺贝尔奖和图灵奖的双料得主。杰弗里·E·辛顿获奖后接受采访时表示，相关技术将对社会产生巨大影响，但也必须警惕技术可能造成的威胁。约翰·J·霍普菲尔德和杰弗里·E·辛顿两位科学家荣获诺贝尔奖，不仅是对他们个人成就的肯定，更是对人工智能研究价值的国际认可。未来，人工智能技术或许会对人类社会产生越来越深远的影响。
