要點:
2024年諾貝爾物理學獎得主，由“AI教父”辛頓/Geoffrey Hinton，以及美國科學家霍普菲爾德/John Hopfield共同獲得。
科技正以前所未有的速度和規模發展，引發多個領域的變革，塑造了新的商業模式，甚至重塑了全新社會結構。我們一起，從科技創新中洞察社會轉型和升級的機遇。
狂呼科技研究所聚焦科技創新對當今世界的影響，以獨特、前瞻的科技視角，洞察科技時代下涌現的“創新革命”。
狂呼，以最具突破性的技朮塑造我們的未來，為大眾捕捉科技商業先機，探索當今人類社會面臨的重大挑戰。
聯系我們 // 相關文章
人工智能AI技朮近年來發展迅猛，正在各個領域引發深刻變革。近日，諾貝爾物理學獎/Nobel Prize in Physics授予了美國普林斯頓大學的教授John Hopfield和加拿大多倫多大學的教授Geoffrey Hinton，旨在表彰他們在人工神經網絡創建方面的卓越貢獻。
兩者在科學領域上的創新不僅為現代機器學習技朮奠定了基礎，還推動了演算法和生成式AI的發展，影響了包括醫療、金融、交通等多個行業的未來。然而，隨着AI技朮的迅猛發展，隨之而來的倫理和社會挑戰也不容忽視。
兩者為AI學習奠基
近日，被譽為“AI教父”的英國裔加拿大科學家杰弗里·辛頓/Geoffrey Hinton與美國物理學家約翰·霍普菲爾德/John Hopfield共同獲得諾貝爾物理學獎，以表彰他們在人工神經網絡領域的開創性研究，這一成果為近20年來人工智能技朮的爆炸性增長奠定了基礎。今年諾貝爾各獎項獎金為1100萬瑞典克朗（96萬美金），兩位獲獎科學家將平分獎金。
兩位獲獎者都是人工智能領域的先驅。據諾貝爾獎網站的介紹，他們運用物理學原理來訓練神經網絡，開發出為當今強大機器學習技朮奠定基礎的方法。委員會指出，他們的研究利用了物理學的基本概念和方法，通過網絡結搆處理信息，促使機器學習在過去20年內實現了“爆炸式”增長，催生了如今廣為人知的人工智能技朮。
霍普菲爾德和辛頓兩位科學家的貢獻為2010年代機器學習的崛起奠定了基礎。據相關資料顯示，霍普菲爾德現年91歲，他創造了一種聯想記憶方法，能夠存儲和重搆圖像及其他數據模式，被稱為“霍普菲爾德網路”/Hopfield network。而76歲的辛頓，在霍普菲爾德網絡基礎上，於1985年推出以玻爾茲曼命名的“玻爾茲曼機”/Boltzmann machine，廣泛應用於特定元素的識別任務。
霍普菲爾德網路
人們一直渴望計算機能夠像人腦那樣進行復雜的思維與學習。自1940年代起，科學家們開始利用計算機的網絡結搆來模擬和搆建人工神經網絡，試圖用不同數值節點來模仿大腦中的神經元功能。這些科學家們假設，當大腦處於學習狀態時，神經元之間的相互作用會增強彼此的連接，從而形成更為堅固的網絡結搆。基於這一假設，人工神經網絡應運而生，通過模擬調整節點間的連接強度來模仿大腦的學習過程。
霍普菲爾德於1982年提出了以他名字命名的“霍普菲爾德神經網絡”/Hopfield network，其核心思想是向計算機輸入相同數據的缺失版本，使計算機能夠聯想、拼湊，最終“重建”出完整的信息。
霍普菲爾德的靈感源於物理學中的電子自旋概念，他提出了一種基於遞歸神經網絡的聯想記憶模型。在這一網絡中，每個節點存儲一個獨立的數值，可以是0或1，網絡通過調整節點之間連接的強度來實現圖像記憶。當輸入新內容后，網絡會依據能量公式檢查節點，以確定是否需要改變數值。經過多次訓練，計算機在無法進一步改進時就意味着它成功地“聯想”出了結果。
當霍普菲爾德在1982年推出聯想記憶網絡時，計算機只能處理少於30個節點和500個參數，而如今的大型語言模型可以包含超過一萬億個參數。這些具備理論知識和技朮支持的AI系統逐漸變得更加“智能”。
如今，我們能夠利用計算機恢復模糊圖像、補充缺失的數據、修復殘缺的書籍，甚至清晰噪聲錄音，這些技朮的實現都基於霍普菲爾德網絡的原理。
此外，機器學習面臨的另一大挑戰是如何使其模仿人腦的“歸類”能力。在這一領域，辛頓的研究運用了統計物理學的原理，以19世紀物理學家玻爾玆曼提出的最大熵原理為基礎，將微觀物理狀態與宏觀物理量的統計規律結合起來。
基於霍普菲爾德網絡的研究，辛頓於1985年推出了以玻爾玆曼命名的“玻爾玆曼機”，進一步推動了機器學習的進步，使計算機在分類和歸納方面的能力得以顯著提升。
玻爾茲曼機
“玻爾茲曼機”/Boltzmann machine是隨機神經網絡和循環神經網絡的一種，可以視為一種人工神經網絡，專門用於解決復雜的組合優化問題。
在經過訓練后，它能夠達到一種穩定狀態，此時即使節點模式發生變化，整個神經網絡的屬性也不會改變。經過訓練的玻爾玆曼機可以總結出數據的相似之處，從而在遇到未見過的信息時，識別出其中的熟悉特徵。這就像人們第一次見到朋友的兄弟姐妹時，通過他們相似的面部特徵確認親屬關系一樣。
玻爾茲曼機可被視作隨機過程的，可生成的相應的霍普菲爾德神經網絡。它是最早能夠學習內部表達，並能表達和（給定充足的時間）解決複雜的組合優化問題的神經網絡。但是，沒有特定限制連接方式的玻爾茲曼機目前為止並未被證明對機器學習的實際問題有什麼用。所以它目前只在理論上顯得有趣。
然而，由於局部性和訓練算法的赫布性質，以及它們和簡單物理過程相似的並行性，如果連接方式是受約束的（即受限玻爾茲曼機），學習方式在解決實際問題上將會足夠高效。
通過以上的創新，兩位科學家不僅拓寬了人工智能的應用范圍，還為理解人腦的工作機制提供了新的視角。然而辛頓卻表達了對這項領域未來發展的擔憂。他認為，AI技朮將對醫療等領域帶來變革，顯著提高生產力。與此同時，他也警告說，必須關注可能帶來的負面后果，尤其是在事情失控時所形成的威脅。
未來的AI或帶來負面後果？
辛頓曾辭去在科技巨頭谷歌的職務，以便更自由地討論機器學習技朮所帶來的風險。當他接到諾貝爾獎委員會的電話時，他表示感到震驚，稱自己從未想過會獲獎。他預測，人工智能將對人類文明產生深遠的影響，尤其是在生產力和醫療領域的進步，堪比工業革命。
然而，辛頓也警告說，AI將在智能上超越人類，這將是人類前所未有的體驗。他指出，當有事物比我們更聰明時，可能會帶來美好的成果，但也要警惕潛在的惡果，特別是失控帶來的威脅。他補充道，“機器學習通常是指基於人工神經網絡的技朮，這項技朮最初受到大腦結搆的啟發，神經元通過具有不同值的節點連接，相互影響，從而實現訓練。”
此外，諾貝爾物理學委員會主席也警告說，機器學習的快速發展引發了對未來的憂慮，人類有責任以安全和道德的方式使用這項新技朮。他強調，盡管機器學習帶來了巨大的好處，但其快速發展也使我們必須承擔起確保其安全和符合道德使用的責任，以最大程度地造福人類。
諾貝爾獎/Nobel Prize是指根據諾貝爾1895年的遺囑而設立的五個獎項，包括：物理學獎、化學獎、和平獎、生理學或醫學獎和文學獎，旨在表彰在物理學、化學、和平、生理學或醫學以及文學上“對人類作出最大貢獻”的人士。
諾貝爾物理學獎被廣泛視為科學界的最高榮譽，其獲獎的研究成果不僅在物理學領域具有重大意義，往往還能對其他領域產生深遠的影響。這種跨學科的影響力在當今迅速發展的科技環境中顯得尤為重要。尤其是在人工智能AI技朮日新月異的背景下，諾貝爾物理學獎的頒發無疑引發了廣泛的關注和討論。
今年的諾貝爾物理學獎特別引起了意外的反應，諾貝爾物理學委員會的秘書指出，該獎項不僅可以授予理論、實驗或觀察上的發現，還可以授予具有廣泛應用潛力的發明。正如AI技朮的發展所展示的那樣，這種多元應用的能力是當今科技進步的重要標志。從自動駕駛到自然語言處理，再到醫療診斷，AI正逐步滲透到各個行業，改變着人們的生活和工作方式。這種趨勢不僅展示了科學研究的深遠影響，也強調了跨學科合作的重要性。
隨着人工智能技朮的飛速發展，我們也見證了其在多個領域的應用突破。今年諾貝爾物理學獎的頒發，不僅是對獲獎者科學貢獻的認可，也是對當前科學研究方向的一種鼓勵。未來，隨着技朮的不斷演進，我們期待更多基於新理論和新發現的跨學科合作，能夠帶來更具創新性和變革性的成果。AI的發展，無疑是推動這一進程的重要動力之一，代表了未來科學研究和技朮應用的新趨勢。
