經(jīng)濟(jì)觀察網(wǎng) 記者 錢玉娟 沈怡然 陳奇杰 當(dāng)?shù)貢r(shí)間10月8日，瑞典皇家科學(xué)院宣布，將2024年諾貝爾物理學(xué)獎(jiǎng)授予約翰·霍普菲爾德（John J. Hopfield）和杰弗里·辛頓（Geoffrey E. Hinton），以表彰他們?cè)谑褂萌斯ど窠?jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明。

諾貝爾物理學(xué)委員會(huì)主席埃倫·穆恩斯（Ellen Moons）在當(dāng)天的新聞發(fā)布會(huì)上表示，兩位獲獎(jiǎng)?wù)呃媒y(tǒng)計(jì)物理的基本概念設(shè)計(jì)了人工神經(jīng)網(wǎng)絡(luò)，構(gòu)建了機(jī)器學(xué)習(xí)的基礎(chǔ)。相關(guān)技術(shù)已被用于推動(dòng)多個(gè)領(lǐng)域的研究，包括粒子物理、材料科學(xué)、天體物理等，也已用于日常生活中的人臉識(shí)別和語(yǔ)言翻譯等。

此前，物理學(xué)界預(yù)測(cè)今年諾貝爾物理學(xué)獎(jiǎng)的熱門獲獎(jiǎng)?lì)I(lǐng)域，包括凝聚態(tài)、超材料、分?jǐn)?shù)統(tǒng)計(jì)、任意子等。但兩位人工智能（AI）領(lǐng)域的研究者獲得諾貝爾物理學(xué)獎(jiǎng)，出乎很多物理學(xué)界人士的預(yù)料。辛頓在接受瑞典皇家科學(xué)院的電話采訪時(shí)，也表示“沒(méi)有想到（會(huì)獲獎(jiǎng)）”。

談及他們的獲獎(jiǎng)理由，國(guó)際測(cè)試委員會(huì)創(chuàng)始主席、中國(guó)科學(xué)院大學(xué)崗位教授詹劍鋒告訴經(jīng)濟(jì)觀察網(wǎng)，兩位獲獎(jiǎng)?wù)叩难芯客貙捔宋锢韺W(xué)的邊界，物理學(xué)界人士已經(jīng)認(rèn)為人工智能是自然創(chuàng)造事物里面的一部分，與物理世界、人類社會(huì)緊密相關(guān)。

詹劍鋒說(shuō)，當(dāng)前人工智能技術(shù)在科學(xué)領(lǐng)域的應(yīng)用眾多，甚至讓不少研究學(xué)者找到了新的研究方法，包括通過(guò)人工智能發(fā)現(xiàn)新的數(shù)學(xué)規(guī)律、計(jì)算方法等，例如當(dāng)下火熱的AI for Science（即將人工智能與科學(xué)研究深度結(jié)合）。

值得注意的是，諾貝爾獎(jiǎng)的獎(jiǎng)項(xiàng)包括物理學(xué)、化學(xué)、和平、生理學(xué)或醫(yī)學(xué)、文學(xué)、經(jīng)濟(jì)學(xué)六大類，人工智能領(lǐng)域的學(xué)者只能跨界獲得諾貝爾獎(jiǎng)。

北電數(shù)智首席科學(xué)家、復(fù)旦大學(xué)特聘教授竇德景認(rèn)為，霍普菲爾德和辛頓如果拿到諾貝爾生理學(xué)或醫(yī)學(xué)獎(jiǎng)，可能也是合理的獲獎(jiǎng)方式。因?yàn)槭褂萌斯ど窠?jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)是人工智能的核心，這項(xiàng)技術(shù)最初的靈感來(lái)自大腦的結(jié)構(gòu)。

公開(kāi)資料顯示，霍普菲爾德于1933年在美國(guó)伊利諾伊州芝加哥市出生，并于1958年獲得美國(guó)康奈爾大學(xué)博士學(xué)位，現(xiàn)任美國(guó)普林斯頓大學(xué)教授。

1982年，霍普菲爾德從物理學(xué)描述磁性材料的理論中獲得靈感，發(fā)明了霍普菲爾德神經(jīng)網(wǎng)絡(luò)。霍普菲爾德網(wǎng)絡(luò)屬于一種數(shù)學(xué)和計(jì)算概念，這種網(wǎng)絡(luò)由相互連接的神經(jīng)元組成，用于模仿人腦的記憶功能來(lái)存儲(chǔ)和回憶信息。

這一神經(jīng)網(wǎng)絡(luò)能夠在信息不完整或有錯(cuò)誤時(shí)，嘗試還原最接近原始的正確信息或找到最佳解決方案，可以初步讓機(jī)器識(shí)別一些圖像和語(yǔ)音。

但在當(dāng)時(shí)，人工智能的發(fā)展還處于初級(jí)階段，機(jī)器開(kāi)始在特定專業(yè)領(lǐng)域表現(xiàn)出學(xué)習(xí)能力，卻仍缺乏常識(shí)性的知識(shí)，其應(yīng)用也局限于特定的任務(wù)，包括醫(yī)療、化學(xué)和地質(zhì)等領(lǐng)域，遠(yuǎn)未達(dá)到通用和全面的智能水平。

辛頓被譽(yù)為深度學(xué)習(xí)之父，是2018年圖靈獎(jiǎng)得主之一。他于1947年在英國(guó)倫敦出生，并于1978年獲得英國(guó)愛(ài)丁堡大學(xué)博士學(xué)位，現(xiàn)任加拿大多倫多大學(xué)教授。

辛頓的研究工作受到了霍普菲爾德的啟發(fā)，他利用霍普菲爾德神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶功能，發(fā)明了新的神經(jīng)網(wǎng)絡(luò)玻爾茲曼機(jī)。通過(guò)模擬物理系統(tǒng)中的粒子的運(yùn)動(dòng)，玻爾茲曼機(jī)能學(xué)習(xí)數(shù)據(jù)的概率分布，幫助機(jī)器學(xué)習(xí)到數(shù)據(jù)中的規(guī)律。

這一發(fā)明是人工智能的一個(gè)重要里程碑，意味著機(jī)器在嘗試一種探索性學(xué)習(xí)，主動(dòng)理解數(shù)據(jù)的本質(zhì)，從數(shù)據(jù)本身中發(fā)現(xiàn)有用的信息，而不是依賴于預(yù)先定義的標(biāo)簽。這讓機(jī)器更接近人腦，去識(shí)別和理解周圍世界中的各種規(guī)律。

玻爾茲曼機(jī)也將人工智能從傳統(tǒng)的機(jī)器學(xué)習(xí)方法帶入了深度學(xué)習(xí)的新時(shí)代，為后續(xù)的研究奠定了理論基礎(chǔ)，研究者們后來(lái)發(fā)明了卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等，讓機(jī)器能更自主地處理圖像、語(yǔ)音以及文本數(shù)據(jù)，在一定程度上模擬人類的視覺(jué)系統(tǒng)、語(yǔ)言系統(tǒng)和聽(tīng)覺(jué)系統(tǒng)。

去年12月，國(guó)際測(cè)試委員會(huì)（BenchCouncil）從1943年至今的人工智能領(lǐng)域成果中遴選出了100多項(xiàng)代表性成果，在確定主要貢獻(xiàn)者的基礎(chǔ)上產(chǎn)生了人工智能領(lǐng)域百年人才榜、國(guó)家榜和機(jī)構(gòu)榜，辛頓和霍普菲爾德分別位列百年人才榜中的第三位和第六位。

詹劍鋒認(rèn)為，兩位獲獎(jiǎng)?wù)呔跈C(jī)器學(xué)習(xí)領(lǐng)域有所建樹(shù)，這或?qū)⒂绊懹锌萍几?jìng)爭(zhēng)意識(shí)的國(guó)家，在人工智能這一產(chǎn)業(yè)上加大投資，同時(shí)也會(huì)讓越來(lái)越多的人認(rèn)識(shí)到人工智能的發(fā)展?jié)摿ΑＫ麖闹Z貝爾獎(jiǎng)遴選的結(jié)果以及產(chǎn)業(yè)發(fā)展的趨勢(shì)預(yù)判，未來(lái)人工智能產(chǎn)業(yè)會(huì)對(duì)全行業(yè)帶來(lái)巨大的沖擊。