2024年诺贝尔物理学奖：物理学为人工智能奠定基础

2024年诺贝尔物理学奖出人意料地授予了两位人工智能领域的“老前辈”：美国普林斯顿大学的约翰·霍普菲尔德（John J.Hopfield）和加拿大多伦多大学的杰弗里·辛顿（Geoffrey E.Hinton），以表彰他们“为利用人工神经网络进行机器学习做出的基础性发现和发明”。杰弗里·辛顿在得知自己获得2024年诺贝尔物理学奖时也大吃一惊：“如果有诺贝尔计算机学奖，我们的成果明显会更合适。”那么，两位人工智能先驱为何能摘取诺贝尔物理学奖的桂冠呢？作为计算机技术的人工神经网络到底与物理学有何关系？

利用物理学工具训练人工神经网络

人工智能，这一术语如今已成为使用人工神经网络进行机器学习的代名词，而这项技术，正是由霍普菲尔德和辛顿基于大脑的结构而开发的。大脑主要由神经元和神经胶质细胞组成，而人工神经网络则由具有不同值的节点组成。大脑的神经元通过突触进行交流，而人工神经网络则通过节点连接相互影响。因此，通过增强节点之间的连接，我们可以训练人工神经网络，就像训练大脑一样。

20世纪80年代，人工智能技术还处于萌芽阶段，科学家尝试让机器模拟大脑的工作方式，但进展缓慢。物理学家霍普菲尔德在观察神经元如何协同工作时，发现了一个有趣的现象：神经元之间的相互作用可以类比为物理学中自旋系统的相互作用。他受此启发，提出了霍普菲尔德网络模型，用来解释大脑如何存储和提取记忆。在霍普菲尔德的网络中，记忆被存储为网络的“稳定状态”，而这些稳定状态可以通过输入的噪声数据进行回忆。这个模型不仅为神经网络研究带来了新的思路，也让物理学思想走入了人工智能世界。

辛顿的研究建立在“霍普菲尔德网络”基础之上，他构建了一种使用不同方法的新网络—玻尔兹曼机。它能够学习识别给定类型数据中的特征元素。在研究中，辛顿运用统计物理学原理，通过输入机器运行时可能出现的示例对其进行训练。玻尔兹曼机可用于多种任务，包括对图像进行分类创建训练模式类型的新示例。辛顿在此基础上进行了拓展，推动了当前机器学习的爆炸式发展。

从科学的角度看，霍普菲尔德和辛顿的贡献不仅仅是对机器学习的推动，它们在根本上反映了物理学工具的普适性。正如霍普菲尔德曾在接受采访时所说：“物理学的方法能够让我们看到更广阔的世界，而这个世界不仅仅是物质的世界，也包括信息的世界。”

两名获奖者的研究对人类的贡献

诺贝尔奖委员会在一份声明中称：“尽管计算机无法思考，但现在，机器已经可以模仿人的记忆并具备学习等功能。今年的物理学奖得主为实现这一目标做出了贡献。”

霍普菲尔德网络模型和辛顿的玻尔兹曼机不仅仅是算法，它们是通过物理学的方法论深入挖掘数据和信息的内在规律。这种结合不但开启了现代机器学习的大门，也为未来的科技创新提供了关键基石。目前，霍普菲尔德和辛顿的研究已经成为人工智能领域不可或缺的理论基础。无论是在计算机视觉（如图像识别）、自然语言处理（如机器翻译）还是自动驾驶等领域，他们提出的神经网络模型和算法都发挥着至关重要的作用。辛顿的深度学习模型为诸如深度卷积神经网络和生成对抗网络的发展提供了理论和算法支持，使这些模型能够在各种复杂任务中表现出卓越的性能。由于他们的贡献，人工智能领域的许多难题得到了有效解决，特别是在大规模数据集的特征学习、模式识别和预测能力上，为现今人工智能技术的发展提供了坚实的基础。

霍普菲尔德的工作不仅扩展了统计物理学的边界，还创建了一种新的思考大脑计算的语言，对神经网络的动力学有了更深入的理解。基于在这一领域的杰出贡献，霍普菲尔德曾获2022年玻尔兹曼奖。辛顿则是机器学习领域的领军人物，他曾于2018年获得计算机领域的最高奖—图灵奖。

两位获奖者担心 会反噬人类

作为2024年诺贝尔物理学奖的得主，霍普菲尔德和辛顿不仅因为他们在人工智能和机器学习方面的科学贡献而备受认可，也因他们对人工智能未来的深度思考和警示而备受关注。

辛顿曾公开表达了对人工智能的担忧。他担心人工智能技术像一匹脱缰的野马，一旦落入坏人之手，将对人类造成威胁。2023年他从谷歌公司辞职，以便更自由地发表对人工智能发展可能带来负面影响的看法。

霍普菲尔德也表达了对人工智能潜力和局限性的深切担忧。他在普林斯顿大学的新闻发布会上指出，人工智能的双重特性令人不安，这种技术既有可能为人类带来巨大的利益，也可能带来相应的危害。

霍普菲尔德和辛顿共同担心的问题：随着人工智能的发展，其复杂性逐渐增加，这使得人类在面对这些系统的表现时可能失去控制。人工智能具有自我学习和进化的能力，因此当它的复杂性增加到一定程度时，其行为可能会超出人类的理解和预测能力。当人工智能拥有足够的数据和计算能力时，它可以通过不断改进自己的算法，变得越来越智能，甚至可能不再需要人类的指导。这种情况可能会导致一种“技术奇点”，即人工智能的能力超越人类，从而使人类难以再对其进行有效的控制。这种“技术奇点”的到来是人类社会必须认真应对的重大挑战。

针对这些担忧，辛顿和霍普菲尔德都呼吁采取更为谨慎的政策来引导人工智能的发展。辛顿建议，政府和企业应建立严格的伦理准则和监管框架，以确保人工智能的开发和应用不偏离其原本造福人类的初衷。他强调，人工智能技术的发展应以人类的福祉为中心，避免为了追求效率和利润而忽视其可能带来的负面影响。

【责任编辑】蒲 晖