要点:
2024年诺贝尔物理学奖得主，由“AI教父”辛顿/Geoffrey Hinton，以及美国科学家霍普菲尔德/John Hopfield共同获得。
科技正以前所未有的速度和规模发展，引发多个领域的变革，塑造了新的商业模式，甚至重塑了全新社会结构。我们一起，从科技创新中洞察社会转型和升级的机遇。
狂呼科技研究所聚焦科技创新对当今世界的影响，以独特、前瞻的科技视角，洞察科技时代下涌现的“创新革命”。
狂呼，以最具突破性的技术塑造我们的未来，为大众捕捉科技商业先机，探索当今人类社会面临的重大挑战。
联系我们// 相关文章
人工智能AI技术近年来发展迅猛，正在各个领域引发深刻变革。近日，诺贝尔物理学奖/Nobel Prize in Physics授予了美国普林斯顿大学的教授John Hopfield和加拿大多伦多大学的教授Geoffrey Hinton，旨在表彰他们在人工神经网络创建方面的卓越贡献。
两者在科学领域上的创新不仅为现代机器学习技术奠定了基础，还推动了演算法和生成式AI的发展，影响了包括医疗、金融、交通等多个行业的未来。然而，随着AI技术的迅猛发展，随之而来的伦理和社会挑战也不容忽视。
两者为AI学习奠基
近日，被誉为“AI教父”的英国裔加拿大科学家杰弗里·辛顿/Geoffrey Hinton与美国物理学家约翰·霍普菲尔德/John Hopfield共同获得诺贝尔物理学奖，以表彰他们在人工神经网络领域的开创性研究，这一成果为近20年来人工智能技术的爆炸性增长奠定了基础。今年诺贝尔各奖项奖金为1100万瑞典克朗（96万美金），两位获奖科学家将平分奖金。
两位获奖者都是人工智能领域的先驱。据诺贝尔奖网站的介绍，他们运用物理学原理来训练神经网络，开发出为当今强大机器学习技术奠定基础的方法。委员会指出，他们的研究利用了物理学的基本概念和方法，通过网络结构处理信息，促使机器学习在过去20年内实现了“爆炸式”增长，催生了如今广为人知的人工智能技术。
霍普菲尔德和辛顿两位科学家的贡献为2010年代机器学习的崛起奠定了基础。据相关资料显示，霍普菲尔德现年91岁，他创造了一种联想记忆方法，能够存储和重构图像及其他数据模式，被称为“霍普菲尔德网路”/Hopfield network。而76岁的辛顿，在霍普菲尔德网络基础上，于1985年推出以玻尔兹曼命名的“玻尔兹曼机”/Boltzmann machine，广泛应用于特定元素的识别任务。
霍普菲尔德网路
人们一直渴望计算机能够像人脑那样进行复杂的思维与学习。自1940年代起，科学家们开始利用计算机的网络结构来模拟和构建人工神经网络，试图用不同数值节点来模仿大脑中的神经元功能。这些科学家们假设，当大脑处于学习状态时，神经元之间的相互作用会增强彼此的连接，从而形成更为坚固的网络结构。基于这一假设，人工神经网络应运而生，通过模拟调整节点间的连接强度来模仿大脑的学习过程。
霍普菲尔德于1982年提出了以他名字命名的“霍普菲尔德神经网络”/Hopfield network，其核心思想是向计算机输入相同数据的缺失版本，使计算机能够联想、拼凑，最终“重建”出完整的信息。
霍普菲尔德的灵感源于物理学中的电子自旋概念，他提出了一种基于递归神经网络的联想记忆模型。在这一网络中，每个节点存储一个独立的数值，可以是0或1，网络通过调整节点之间连接的强度来实现图像记忆。当输入新内容后，网络会依据能量公式检查节点，以确定是否需要改变数值。经过多次训练，计算机在无法进一步改进时就意味着它成功地“联想”出了结果。
当霍普菲尔德在1982年推出联想记忆网络时，计算机只能处理少于30个节点和500个参数，而如今的大型语言模型可以包含超过一万亿个参数。这些具备理论知识和技术支持的AI系统逐渐变得更加“智能”。
如今，我们能够利用计算机恢复模糊图像、补充缺失的数据、修复残缺的书籍，甚至清晰噪声录音，这些技术的实现都基于霍普菲尔德网络的原理。
此外，机器学习面临的另一大挑战是如何使其模仿人脑的“归类”能力。在这一领域，辛顿的研究运用了统计物理学的原理，以19世纪物理学家玻尔兹曼提出的最大熵原理为基础，将微观物理状态与宏观物理量的统计规律结合起来。
基于霍普菲尔德网络的研究，辛顿于1985年推出了以玻尔兹曼命名的“玻尔兹曼机”，进一步推动了机器学习的进步，使计算机在分类和归纳方面的能力得以显著提升。
玻尔兹曼机
“玻尔兹曼机”/Boltzmann machine是随机神经网络和循环神经网络的一种，可以视为一种人工神经网络，专门用于解决复杂的组合优化问题。
在经过训练后，它能够达到一种稳定状态，此时即使节点模式发生变化，整个神经网络的属性也不会改变。经过训练的玻尔兹曼机可以总结出数据的相似之处，从而在遇到未见过的信息时，识别出其中的熟悉特征。这就像人们第一次见到朋友的兄弟姐妹时，通过他们相似的面部特征确认亲属关系一样。
玻尔兹曼机可被视作随机过程的，可生成的相应的霍普菲尔德神经网络。它是最早能够学习内部表达，并能表达和（给定充足的时间）解决复杂的组合优化问题的神经网络。但是，没有特定限制连接方式的玻尔兹曼机目前为止并未被证明对机器学习的实际问题有什么用。所以它目前只在理论上显得有趣。
然而，由于局部性和训练算法的赫布性质，以及它们和简单物理过程相似的并行性，如果连接方式是受约束的（即受限玻尔兹曼机），学习方式在解决实际问题上将会足够高效。
通过以上的创新，两位科学家不仅拓宽了人工智能的应用范围，还为理解人脑的工作机制提供了新的视角。然而辛顿却表达了对这项领域未来发展的担忧。他认为，AI技术将对医疗等领域带来变革，显著提高生产力。与此同时，他也警告说，必须关注可能带来的负面后果，尤其是在事情失控时所形成的威胁。
未来的AI或带来负面后果？
辛顿曾辞去在科技巨头谷歌的职务，以便更自由地讨论机器学习技术所带来的风险。当他接到诺贝尔奖委员会的电话时，他表示感到震惊，称自己从未想过会获奖。他预测，人工智能将对人类文明产生深远的影响，尤其是在生产力和医疗领域的进步，堪比工业革命。
然而，辛顿也警告说，AI将在智能上超越人类，这将是人类前所未有的体验。他指出，当有事物比我们更聪明时，可能会带来美好的成果，但也要警惕潜在的恶果，特别是失控带来的威胁。他补充道，“机器学习通常是指基于人工神经网络的技术，这项技术最初受到大脑结构的启发，神经元通过具有不同值的节点连接，相互影响，从而实现训练。”
此外，诺贝尔物理学委员会主席也警告说，机器学习的快速发展引发了对未来的忧虑，人类有责任以安全和道德的方式使用这项新技术。他强调，尽管机器学习带来了巨大的好处，但其快速发展也使我们必须承担起确保其安全和符合道德使用的责任，以最大程度地造福人类。
诺贝尔奖/Nobel Prize是指根据诺贝尔1895年的遗嘱而设立的五个奖项，包括：物理学奖、化学奖、和平奖、生理学或医学奖和文学奖，旨在表彰在物理学、化学、和平、生理学或医学以及文学上“对人类作出最大贡献”的人士。
诺贝尔物理学奖被广泛视为科学界的最高荣誉，其获奖的研究成果不仅在物理学领域具有重大意义，往往还能对其他领域产生深远的影响。这种跨学科的影响力在当今迅速发展的科技环境中显得尤为重要。尤其是在人工智能AI技术日新月异的背景下，诺贝尔物理学奖的颁发无疑引发了广泛的关注和讨论。
今年的诺贝尔物理学奖特别引起了意外的反应，诺贝尔物理学委员会的秘书指出，该奖项不仅可以授予理论、实验或观察上的发现，还可以授予具有广泛应用潜力的发明。正如AI技术的发展所展示的那样，这种多元应用的能力是当今科技进步的重要标志。从自动驾驶到自然语言处理，再到医疗诊断，AI正逐步渗透到各个行业，改变着人们的生活和工作方式。这种趋势不仅展示了科学研究的深远影响，也强调了跨学科合作的重要性。
随着人工智能技术的飞速发展，我们也见证了其在多个领域的应用突破。今年诺贝尔物理学奖的颁发，不仅是对获奖者科学贡献的认可，也是对当前科学研究方向的一种鼓励。未来，随着技术的不断演进，我们期待更多基于新理论和新发现的跨学科合作，能够带来更具创新性和变革性的成果。 AI的发展，无疑是推动这一进程的重要动力之一，代表了未来科学研究和技术应用的新趋势。
