作家 ｜ Yoky邮箱 ｜ yokyliu@pingwest.com🔥欧洲杯正规下单平台(官方)网站/网页版登录入口/手机版

诺贝尔物理学奖的获奖者，竟颁给了看似和物理学绝不有关的AI科学家？

10月8日，瑞典皇家科学院告示，将2024年诺贝尔物理学奖授予约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton），犒赏他们在使用东说念主工神经蚁集进行机器学习的基础性发现和发明，他们将瓜分1100万瑞典克朗（约合745万元东说念主民币）奖金。

这个成果一出，物理圈和AI圈王人坐不住了。

有东说念主搬出了《三体》中的名句：物理学不存在了，也有东说念主戏称这是“Physical pain”。

以致辛顿本东说念主，王人惊呆了。“我大吃一惊，根蒂不知说念发生了什么”，当诺贝尔委员和会过电话讨论到辛顿时，他正在加州的一个低价旅社中，这里蚁集和信号王人不好。77岁的辛顿放心地说说念：“我今天谋略要去作念核磁共振，现在看来我要取消了。”

忌惮之余，也让东说念主念念考，究竟为什么诺贝尔物理学奖给了AI科学家？

1

Why？

圈内圈外，统共东说念主王人对为什么作此决定最为眷注。

在诺贝尔奖官网的先容中，短短的两句获奖旨趣并莫得明确地评释问题。

但从诺奖官网对于二者的先容中，咱们发现了物理学和AI的交叉点。

以下是二位获奖者权术的先容原文：

John Hopfield发明了一个蚁集，它使用一种设施来保存和从头创建形式。咱们不错将节点联想成像素。Hopfield 蚁集应用物理学来描画材料的原子自旋特质，这种特质使每个原子王人成为渺小的磁铁。通盘蚁集的描画样式终点于物理学中自旋系统中的能量，并通过查找节点之间的相接值进行测验，以便保存的图像具有奸险量。当 Hopfield 蚁集收到失真或不完整的图像时，它会丝丝入扣地通过节点并更新它们的值，以便蚁集的能量下落。因此，蚁集放心职责以找到与它所赠送的不完好图像最相似的已保存图像。

Geoffrey Hinton使用 Hopfield 蚁集手脚使用不同设施的新蚁集的基础：玻尔兹曼机。这不错学习识别给定数据类型中的特征元素。Hinton 使用了统计物理学中的器具，统计物理学是由很多访佛组件构建的系统科学。通过向机器提供机器运行时极有可能出现的示例来测验机器。玻尔兹曼机可用于对图像进行分类或创建测验它的形式类型的新示例。Hinton 以这项职责为基础，匡助启动了面前机器学习的爆炸性发展。

浅显地说无论是霍普菲尔德如故辛顿，他们应用物理学的基本宗旨和设施，配置出了应用蚁集结构处理信息的技能。

这种技能，被称之为对应东说念主类神经蚁集，通过狡计机模拟构建了东说念主工神经蚁集，从而重现大脑蚁集的功能。

而在这个历程中，恒久有一些问题莫得被处治，导致科学家对于神经蚁集运行颓丧。比如说东说念主类领有系念、懂得瞎想，能够通过信息碎屑来组周全貌，以及对成果加以狡计。

霍普菲尔德用物理学中的自旋能量来描画这个蚁集的合座状况：能量通过一个应用了统共节点的值和它们之间统共相接的强度的公式狡计，通过狡计成果的相似性来造成系念，处治了无法存储的艰苦。

然则，记着图像是一趟事，贯通图像的意旨好奇又是另一趟事。

当霍普菲尔德发表对于瞎想系念的论文时，辛顿正在好意思国卡内基梅隆大学任职，那时他就念念考：机器是否能像东说念主类同样学会处理形式，自行分类息争读信息。辛顿与共事Terrence Sejnowski一说念，从霍普菲尔德神经蚁集开拔，相投统计物理学的念念想，膨胀并构建了新的模子。

统计物理学不错分析各个组件能够共同存在的各式状况，并狡计它们出现的概率。辛顿的模子通过识别信息中的要津特征进行关联，从而推理出成果。

诺奖官网便写说念：在东说念主工神经采集结，大脑神经元由具有不同值的节点暗示，本年的获奖者从20世纪80年代起就开展了与物理学有关的东说念主工神经蚁集的强大职责，应用物理学器具构建了多种设施，为面前强盛的机器学习奠定了基础。

“获奖者的职责还是带来了最大的克己。使用统计物理学的基本宗旨遐想了东说念主工神经蚁集，这些蚁集充任瞎想系念并在大型数据连结寻找形式，在物理学中，咱们在平凡的规模使用东说念主工神经蚁集，举例配置具有特定特质的新材料。”诺贝尔物理委员会主席 Ellen Moons 在发布会现场进一步讲解说念。

基于物理学的权术，已毕了对东说念主工智能的冲突，最终能反哺物理学特等。

二位AI科学家，获取诺贝尔物理学奖，不错说是实至名归。

1

Who？

在两位获奖者中，持重AI的，一定对辛顿不生分。

辛顿于1947 年出身于英国伦敦，1978 年获取爱丁堡大学东说念主工智能博士学位，尔后担任加拿大多伦多大学耕种。20世纪90年代，很多权术东说念主员对东说念主工神经蚁集失去了兴致，但辛顿一直在该规模探索。

2006年，他与共事 Simon Osindero、Yee Whye Teh 和 Ruslan Salakhutdinov配置了一种使用一系列逐层重迭的玻尔兹曼机对蚁集进行预测验的设施。这种预测验为采集结的相接提供了更好的首先。

在 2012 年，欣顿及两位学生 Alex Krizhevsky、Ilya Sutskever 发明的AlexNet在狡计机视觉竞赛 ImageNet 中以压倒性上风取得冠军，创造了深度神经蚁集发展的里程碑，并引发了大宗给与（CNN）和图形处理器（GPU）加快深度学习的权术。

2013年，他与上述两名学生共同创立的 DNNResearch，遭到谷歌、苹果和百度等科技巨头的疯抢，最终以4400万好意思元的价钱被谷歌收入囊中。2018 年，辛顿与 Yoshua Bengio 和 Yann LeCun 共同获取图灵奖，此后与二东说念主并称为“深度学习三巨头”、“AI教父” 。

一句话转头，辛顿的一世一直在合手续不停地为神经蚁集和深度学习而致力于，并阶段性取得强大冲突。

而另一位获奖者，则是名副其实的物理学家，并通过物理学标的的权术为神经蚁集的存储获取了范式的冲突。

出身于1933年、现年91岁的霍普菲尔德是好意思国著名的物理学家、生物学家和神经科学家，他曾在1958 年获取康奈尔大学博士学位，后任普林斯顿大学耕种。

公开贵府清楚，在一次神经科学会议中，他斗争到了对大脑结构的权术，并运行念念考浅显的神经蚁集的动态。当神经元共同作用时，它们会产生新的强盛特质，而这些特质对于只眷注蚁集各个构成部分的东说念主来说是无法察觉的。

1980 年，霍普菲尔德离开了彼时履新的普林斯顿大学，给与了加州理工学院的化学与生物学耕种职位。在那处，他得以应用学校的狡计机资源进行免费履行，并发展他对神经蚁集的构想。

1982 年发明了著名的霍普菲尔德神经蚁集（霍普菲尔德 neural network），这是第一个能够储存多种形式，并具备系念功能的神经蚁集模子，是神经蚁集发展早期的一座强大的里程碑。霍普菲尔德神经蚁集的诞生为递归神经蚁集的发展铺平了说念路，其提倡的能量最小化旨趣，对于处治优化问题产生了深刻影响。

同期，霍普菲尔德也合手续在物理学标的进行不停冲突，通过权术神经元粒子间的互相作用讨论，冲突了从单图存储到多图存储，并通过蚁集离别它们。

也即是说，辛顿所构建的预测验设施、霍普菲尔德的新式存储蚁集，构建起了面前东说念主工智能至关强大的两块基石。

2022年，ChatGPT的横空出世，宣告着一个属于AI新时间的到来，东说念主类运行探索已毕AGI的可能性，全民对AI眷注度绝世超伦的同期，也实委果在地看到了如同工业改造一般，东说念主工智能正在引颈更深档次的变革。

当咱们站在碳基和硅基交棒的节点，看这份看似“乖张”的获奖名单，大概亦然最合理的成果。