编辑｜靖宇
「我怎么能确定这不是个恶作剧电话？」
杰弗里·辛顿（Geoffrey Hinton）在凌晨两点接到诺贝尔奖委员会电话时，这是他的最初想法。
当时，这位 77 岁的「AI 教父」正在加州的一家酒店，网络旗子暗记微弱，电话旗子暗记也不好，当天本来打算去做个核磁共振扫描，检讨下身体。
直到他想到，电话是从瑞典打来的，而且说话的人有浓重的瑞典口音，还有好几个人在一起，他才确定了自己得到了诺贝物理学奖这一事实。
这一通来自瑞典的电话冲破了他一天的操持，也标志着他多年研究神经网络与机器学习的成果被天下进一步认可。
北京韶光 10 月 8 日，2024 年诺贝尔物理学奖正式付与了他和另一位学者约翰·霍普菲尔德（John J. Hopfield），以表彰他们在机器学习与人工神经网络领域的根本性创造和发明。91 岁高龄的约翰·霍普菲尔德在收到时，同样「有些震荡」。
2024 年诺贝尔物理学奖得主约翰·霍普菲尔德和杰弗里·辛顿｜诺贝尔官网
在这一公布的同时，不少人的迷惑是——为什么诺贝尔物理学奖，会颁给看似离物理学有些迢遥的打算机和 AI 领域？
物理学与打算机神经网络的交汇
约翰·霍普菲尔德和杰弗里·辛顿俩人，自上世纪 80 年代起就在人工神经网络领域做出了主要事情。
人工神经网络，顾名思义，源于对大脑事情事理的模拟。科学家们设想大脑的神经元可以通过打算节点的办法进行重现，这些节点通过类似神经突触的连接通报信息。这样的网络经由演习，可以增强某些连接，抑制另一些，从而使系统在处理繁芜数据时具备学习与影象能力，成为当代人工智能的根本。
1980 年代，拥有物理学背景的霍普菲尔德，开始动手将物理学观点引入人工神经网络领域，特殊是自旋玻璃模型。
他的打破在于，基于物理学的自旋系统，提出了一种能存储和重修信息的遐想影象模型，这一模型使得神经网络可以通过不完全的输入进行自我改动，重修出原始模式——这便是「霍普菲尔德网络」。
霍普菲尔德网络的基本思想是：每个节点类似于图像中的一个像素，节点可以被视为系统中的能量状态，而这个网络的目标，是通过不断调度节点之间的连接权重，降落系统的能量，力争找到最稳定、最节省能量的状态。此时，网络输出的图案便是重修后的完全图案。这一机制不仅使机器可以重修部分丢失或受损的图像，还能从部分输入中提取出整体信息。
接着，以霍普菲尔德网络为根本，杰弗里·辛顿又将人工神经网络推进到了全新的高度。
当时，辛顿利用统计物理学的工具，特殊是 19 世纪物理学家路德维希·玻尔兹曼的统计模型，开拓了「玻尔兹曼机」，它可以学习识别某类数据中的特色元素。
玻尔兹曼机的核心在于概率。辛顿认识到，数据中的模式可以通过打算「可能性」来识别，机器可以学习哪些模式更有可能涌现，哪些模式则相对罕见。经由演习的玻尔兹曼机可以识别它以前从未见过的信息中的熟习特色。
在 20 世纪 90 年代，许多研究职员对人工神经网络失落去了兴趣，但辛顿是连续从事这一领域研究的少数人之一。进入 21 世纪后，辛顿又与他的同事通过层层玻尔兹曼机进行预演习。这种预演习为网络中的连接供应了一个更好的出发点，优化了网络识别图像元素的演习过程。
霍普菲尔德网络与玻尔兹曼机｜图片来源：瑞典皇家科学院
得益于自 20 世纪 80 年代以来的事情，约翰·霍普菲尔德和杰弗里·辛顿帮助奠定了大约 2010 年开始的机器学习革命的根本。
说回来，他们在上世纪的打破性贡献，事实上首先源于对物理学中繁芜系统的深刻理解。正是他们对物理学工具观点的运用，推动了机器学习与人工神经网络领域的发展。
与此同时，当代物理学本身也从人工神经网络中受益——由于人工神经网络逐渐成为物理学中强大的打算工具，可以用于量子力学、粒子物理学等领域。
诺贝尔物理学奖委员会主席指出：「得主的事情已经带来了巨大的益处。在物理学中，我们在广泛的领域利用人工神经网络，例如开拓具有特定属性的新材料。」
「机器学习长期以来一贯运用于我们可能熟习的领域，从以前的诺贝尔物理学奖中可以看出。个中包括利用机器学习来筛选和处理创造希格斯玻色子所需的大量数据。其他运用包括降落碰撞黑洞引力波丈量中的噪声，或探求系生手星。」
「近年来，该技能也开始用于打算和预测分子和材料的特性，例如打算决定其功能的蛋白质分子构造，或确定哪种新材料可能具有用于更高效太阳能电池的最佳特性。」诺奖官方如此称。
物理或者 AI，都在考试测验理解天下实质
虽说约翰·霍普菲尔德和杰弗里·辛顿两人的贡献灵感来源于物理学，他们的贡献也反哺了物理学和其他领域。
但与以往不同，2024 年的诺贝尔物理学奖，还是引起了大量谈论和争议，网友们的紧张辩论点就在于，两位得主的贡献，到底属不属于物理领域？乃至有人侃道，诺贝尔委员会想「蹭 AI 热点」。
诧异声之多，以至于诺奖官方都发起了一场投票：「你知道机器学习的模型是基于物理学方程的吗？」
诺奖官方了局问网友：你知道机器学习的模型是基于物理学方程的吗？｜图片来源：X
对此，AI 领域的从业者们也展开了谈论，下面是他们的部分反应和声音：
智源研究院创始人张宏江表示：「Hinton 2006 年利用 RBM 做 DNN 自监督预演习，成功演习深度神经网络，可以说是这轮 AI 革命的先声，Hopfield 网络为 RBM 奠定了根本。接下来看看 AlphaFold 能不能拿生理学奖。」
出门问问创始人兼 CEO 李志飞表示：「数学模型用在物理和人工智能方面实质都是建模，只不过前者的建模工具是物理天下，后者的建模工具是智能，这样提及来是不是靠谱点？」
地平线创始人余凯也表示：「物理学研究的目的是理解自然界中物理系统的实质规律，从而可以去创造和发明自然界不存在的物理系统。比如从鸟可以研究空气动力学，基于空气动力学并不是构建鸟，而是飞机火箭」。
「人工智能的目的在于首先去研究自然界中智能系统它的实质的机理，然后通过这些研究，其目的不是说是要去发明生物大脑，而是去构建有可能更加智能的新的物理学系统。」余凯认为。
余凯还把稳到，这次的诺贝尔奖物理学奖得主有物理学背景，也有从统计物理角度看神经网络，个中一位还曾担当过天下有名高校的物理系教授，「早期搞人工智能的很多都是物理学背景」。
横跨多个学科领域的霍普菲尔德｜图片来源：诺奖委员会
争议之外，约翰·霍普菲尔德与杰弗里·辛顿的成果，以及其得到诺贝尔物理学奖这一事实，除了证明人工智能如今的打破与火热，还点明了一个主要信息，即科学的打破可以不但局限于单一领域的定义，跨学科互助也自有其力量。
比如，约翰·霍普菲尔德的确有物理学博士学位，他的早期职业生涯始于贝尔实验室，最初研究凝聚态物理，但当他在这个紧张研究领域中的问题耗尽时，他又转向了新的领域。在 20 世纪 60 年代末，他探索了一下生物物理学，将固态物理学的观点运用于理解生物系统如何合成蛋白质。20 世纪 70 年代末，他又转着迷经科学领域，将他在理论物理学中的技能运用于大脑问题，才有了前述首创性贡献。
什么是物理学？霍普菲尔德曾在他的自传中写道：「对我来说——由于我父母都是物理学家——物理学不是某种学科。原子、对流层、核、玻璃块、洗衣机、自行车、留声机、磁铁——这些只是有时的研究工具。核心思想是天下是可以理解的，你该当能够拆解任何东西，理解其组成部分之间的关系，进行实验，并基于此建立对其行为的定量理解。」
在他看来，「物理学是一种不雅观点，认为我们周围的天下通过努力、创造力和足够的资源是可以在预测和定量的办法下理解的。」
至于杰弗里·辛顿，在剑桥大学读本科期间，他考试测验了一系列学科——生理学、物理学、哲学，直到 1970 年得到实验生理学学位。在 1972 年进入爱丁堡大学攻读人工智能博士学位之前，他还曾做过一段韶光的木匠。
当诺奖事情职员问他「如何形容自己？认为自己是一名打算机科学家，还是从事这项事情时试图理解生物学的物理学家？」辛顿的回答是：「我会说我是一个不太清楚自己从事什么领域，但想理解大脑如何运作的人。在我试图理解大脑事情事理的过程中，我帮助创造了一项出乎猜想的有效的技能。」
辛顿这一回答的信息是——不管你把他归为什么领域，或许都不主要，主要的是，他创造了什么。
AI 教父杰弗里·辛顿｜图片来源：TIME100 AI
而且，奖项的设立有其历史背景和局限，如果奖项的设置者在世，乐意设立一个新的学科奖、或者跨学科奖实在也说不定。目的都是相同的，即褒奖那些推动人类知识进步的人。
此外值得一提的信息是，辛顿希望，得到诺贝尔奖能让他「更具说服力」，期盼人们能更加负责对待他提出的对 AI 的担忧。
「在这些事物失落控并接管的生存威胁方面，我认为我们正处于历史上的一个分叉点，在未来几年内，我们须要找到办理这一威胁的方法。」这是他现如今最想传达的一个声音。
头图来源：The Globe and Mail