10月8日宣布的2024年諾貝爾物理學獎“意外”垂青機器學習，讓多個諾獎預測集體“翻車”，就連獲獎者之一的杰弗里·欣頓也坦言自己“完全沒想到”。看似不屬于傳統物理學任何一個分支領域的成果斬獲諾獎，讓不少學者開玩笑說諾貝爾物理學獎在跟計算機界的圖靈獎“搶飯碗”。

　　事實上，機器學習領域的元老級人物約翰·霍普菲爾德和杰弗里·欣頓斬獲諾獎，如諾獎官方公告所說正是因為“運用物理學的工具”。今年的諾貝爾物理學獎不僅是對兩名科學家成就的肯定，更是極大強調了跨學科研究的重要性，向人們展示了物理學的深刻洞見與計算機科學創新“碰撞”可以產生的巨大能量。

　　當前人們談論人工智能時，經常指的是使用人工神經網絡的機器學習。諾貝爾物理學委員會秘書烏爾夫·丹尼爾松對記者強調，人工神經網絡在物理學中的研究和應用已經持續了相當長一段時間，本次諾貝爾物理學獎并非頒發給過去幾年人工智能的發展，不是針對大語言模型或類似的東西，而是針對基礎發明。

　　遠在人工智能成為今天的科技熱詞之前，這兩名科學家從20世紀80年代起就在人工神經網絡領域做出了重要工作。這項技術最初的靈感來自大腦的結構。就像大腦中大量神經元通過突觸相連一樣，人工神經網絡由大量的“節點”通過“連接”組成。每個節點就像一個神經元，而連接的強弱則類似于突觸的強度，決定了信息傳遞的效果。

　　1982年，美國科學家約翰·霍普菲爾德創建了一種用于機器的聯想記憶方法，提出了一種革命性的網絡結構，被稱為“霍普菲爾德網絡”。這個網絡能夠存儲多個模式（比如圖像），并且在面對不完整或有噪聲的輸入時，能夠重構出最相似的模式。

　　英國裔加拿大科學家杰弗里·欣頓在此基礎上更進一步，他希望機器能像人類一樣自主學習和分類信息，于1985年和同事提出了“玻爾茲曼機”的網絡模型，這個名字源于19世紀物理學家路德維希·玻爾茲曼的方程。該模型通過統計物理學中的玻爾茲曼分布來識別數據中的特征，成為了現代深度學習網絡的基礎。欣頓的研究繼續推進，導致了當前機器學習領域爆炸式的發展。

　　愛爾蘭都柏林圣三一學院認知神經科學教授羅德里·丘薩克8日評論指出，人工神經網絡最初受到神經科學的啟發，并且兩者之間的相互作用持續蓬勃發展。人工神經網絡已被證明是大腦學習過程的寶貴模型，機器正在幫助我們了解自己，這反過來又為技術發展提供了新的途徑。如果沒有霍普菲爾德和欣頓的開創性工作，這一切都不可能實現。

　　霍普菲爾德和欣頓的工作不僅推動了機器學習的發展，還對物理學產生了深遠影響。正如丹尼爾松當天在接受新華社記者采訪時所說，物理學的原理為兩名科學家提供了思路，同時，人工神經網絡在物理學中也得到了廣泛應用，催生新的驚人發現。

　　諾貝爾物理學委員會主席埃倫·穆恩斯在當天的新聞發布會上表示，兩名獲獎者利用統計物理的基本概念設計了人工神經網絡，構建了機器學習的基礎。相關技術已被用于推動多個領域的研究，包括粒子物理、材料科學和天體物理等，也已用于日常生活中的人臉識別和語言翻譯等。

　　機器學習的迅速發展不僅帶來了巨大的機遇，也引發人們對于倫理和安全方面的擔憂。穆恩斯當天在發布會上強調說，人類有責任以安全且道德的方式使用這項新技術，以確保它能為全人類帶來最大的利益。

　　欣頓當天在接受電話連線采訪時表示，這一技術將對社會產生巨大影響，但也必須警惕這一技術可能造成的威脅。丹尼爾松也指出，機器學習與基因編輯等眾多前沿技術的發展是“雙刃劍”，人們必須警惕出現壞的結果。在這方面，尤其需要全球合作。 

　　本網站轉載的所有的文章、圖片、音頻視頻文件等資料的版權歸版權所有人所有。如因無法聯系到作者侵犯到您的權益，請與本網站聯系，我們將采取適當措施。