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(tǒng)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(diào)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(chuàng)新“碰撞”可以產(chǎn)生的巨大能量。

　　當前人們談論人工智能時，經(jīng)常指的是使用人工神經(jīng)網(wǎng)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(diào)，人工神經(jīng)網(wǎng)絡在物理學中的研究和應用已經(jīng)持續(xù)了相當長一段時間，本次諾貝爾物理學獎并非頒發(fā)給過去幾年人工智能的發(fā)展，不是針對大語言模型或類似的東西，而是針對基礎發(fā)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(jīng)網(wǎng)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(jié)構(gòu)。就像大腦中大量神經(jīng)元通過突觸相連一樣，人工神經(jīng)網(wǎng)絡由大量的“節(jié)點”通過“連接”組成。每個節(jié)點就像一個神經(jīng)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(chuàng)建了一種用于機器的聯(lián)想記憶方法，提出了一種革命性的網(wǎng)絡結(jié)構(gòu)，被稱為“霍普菲爾德網(wǎng)絡”。這個網(wǎng)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(gòu)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(wǎng)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(tǒng)計物理學中的玻爾茲曼分布來識別數(shù)據(jù)中的特征，成為了現(xiàn)代深度學習網(wǎng)絡的基礎。欣頓的研究繼續(xù)推進，導致了當前機器學習領域爆炸式的發(fā)展。

　　愛爾蘭都柏林圣三一學院認知神經(jīng)科學教授羅德里·丘薩克8日評論指出，人工神經(jīng)網(wǎng)絡最初受到神經(jīng)科學的啟發(fā)，并且兩者之間的相互作用持續(xù)蓬勃發(fā)展。人工神經(jīng)網(wǎng)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(fā)展提供了新的途徑。如果沒有霍普菲爾德和欣頓的開創(chuàng)性工作，這一切都不可能實現(xiàn)。

　　霍普菲爾德和欣頓的工作不僅推動了機器學習的發(fā)展，還對物理學產(chǎn)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(jīng)網(wǎng)絡在物理學中也得到了廣泛應用，催生新的驚人發(fā)現(xiàn)。

　　諾貝爾物理學委員會主席埃倫·穆恩斯在當天的新聞發(fā)布會上表示，兩名獲獎者利用統(tǒng)計物理的基本概念設計了人工神經(jīng)網(wǎng)絡，構(gòu)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(fā)展不僅帶來了巨大的機遇，也引發(fā)人們對于倫理和安全方面的擔憂。穆恩斯當天在發(fā)布會上強調(diào)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(chǎn)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(fā)展是“雙刃劍”，人們必須警惕出現(xiàn)壞的結(jié)果。在這方面，尤其需要全球合作。