2024年10月8日，瑞典皇家科学院宣布将2024年诺贝尔物理学奖授予John Hopfield和Geoffrey Hinton，以表彰他们在利用人工神经网络实现机器学习方面的开创性发现。
诺贝尔奖委员会表示，“今年的诺贝尔物理学奖得主的突破建立在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诸多挑战。”
这一获奖名单真可谓是出人意料，让许多预测诺奖人选的集体都“翻了车”。就连获奖者之一的辛顿也坦言自己“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奖在跟计算机界的图灵奖“抢饭碗”。
无独有偶，10月10日，2024年诺贝尔化学奖又颁给了致力于AI蛋白质研究的三位科学家。今年的诺贝尔化学奖，一半授予美国华盛顿大学的David Baker，以表彰其在计算蛋白质设计方面的贡献。另一半则授予DeppMind的Demis Hassabis和John M. Jumper，以表彰其在蛋白质结构预测方面的贡献。
今年的诺奖真是妥妥的AI年！
那么到底什么是AI——人工智能（Artificial Intelligence）呢？我们今天说到AI，它的起源是一场学术会议。
1956年的暑期，美丽而宁静的美国常春藤名校达特茅斯学院里，学生们都放假了，但校园里却是群星闪耀，一批大咖级的理工男聚在一起埋头研究，目的是“精准全面地探索人类的学习和智能的本质，并制造机械来模拟”。这次为期两个月的达特茅斯会议被世人公认为人工智能这一新学科的开篇。
正是在这场会议上，麦卡锡第一次提出了“人工智能”一词。不过人工智能今天风光无限，它的发展却不是一帆风顺。
20世纪60年代，人工智能的主流领域发展迅猛，迎来了黄金时代。然而到了70年代，这些人工智能的主流领域却再难取得进展，机器翻译等领域遭遇瓶颈。举个简单的例子，“The spirit is willing but the flesh is weak.（心有余而力不足。）计算机将这句英语翻译成俄语后再翻译回英语，得到的结果是：The wine is good but the meat is spoiled.（酒是好的，肉变质了。）”当年类似这样的错误让人们把人工智能科学家当作笑话看。人工智能的主流领域进入了严冬。
就在人工智能领域陷入困境的时候，拯救它的正是今年诺贝尔物理学奖得主之一的辛顿。
辛顿出生于英国伦敦边上的小镇温布尔登。他的父亲研究昆虫学，母亲是数学教师，舅舅是出名的经济学家，创始了国民生产总值（GNP）一词。最值得一提的是他的高祖父——数学家兼逻辑学家布尔，创始了布尔代数，布尔代数后来成为了现代计算机的运算基础。
辛顿在本科学习心理学时领悟到，大脑的工作方式并没有像当时的脑科学家们所认为的那样简单。人类大脑有几百亿个神经元，它们之间通过轴突和树突相互影响，形成极其复杂的网络。人脑的神经网络到底是如何运作，如何进行计算以及学习的，当时的脑科学家们并不能很好地解释，对于辛顿，这是具有强大吸引力的待解之谜。
辛顿发现，神经网络就是一台机器，这台机器在感知器的基础上稍加改变完全可以执行复杂的任务，能够从纷繁复杂的数据中发现模式，对数据进行分类或预测。简单说来，有一层神经网络，你可以找到简单的模式，有多层神经网络，就可以找出模式中的模式。
我们的大脑中似乎被设定好了某种通用的学习算法，使得我们可以学会任何任务，而且随着人类演化，我们越来越聪明，做了许多前人未做之事，比如学会了制造原子弹、打电脑游戏，或者是研究机器学习。这引导现代科学家去发明具有通用智能的机器。
诺贝尔化学奖得主，Deepmind的创始人哈萨比斯就致力于制造“通用学习机器”，他把他在对人脑研究中获得的灵感用于通用人工智能。在哈萨比斯看来，未来通用人工智能将与人类科学家一起解决世界上的所有问题。
不过我们还是要适时地泼点冷水，辛顿就曾警告：“要小心AI可能带来的不良后果，尤其是事态失控的威胁。”
数据分析是AI的基础，但AI只用到了数据分析很小的一部分。想了解更多关于AI和机器学习的内容，就快来看《数据分析简史》这本书吧，上述的几段都是从书中摘录的哦。
《数据分析简史：从概率到大数据》
出版日期：2023年2月
定价：108.00元
文章转自上海科技教育出版社
