來源：虎嗅APP
就在10月8日下午，最新一屆的諾貝爾物理學獎公布，約翰·J·霍普菲爾德 （John J.Hopfield） 、傑佛瑞·E·辛頓 （Geoffrey E.Hinton） 獲獎，以表彰他們透過「人工神經網路實作機器學習的基礎性發現和發明」。
辛頓在接受電話采訪時表示：「完全沒想到」。
實話實說，在結果出來前， 大家也都沒想到 。
因為在外界預測裏，今年的諾貝爾物理學獎最大熱門，還是傳統的凝聚態物理領域，結果最後頒給了AI圈的兩位大佬。
網友們也都不淡定了，有些人調侃地表示， 物理學不存在了 。
也有人表示，這次的頒獎可能會引起一系列連鎖反應。
一些人甚至有種感覺，諾貝爾獎有點蹭AI熱度的意思？
其實物理學界也不是沒什麽新的研究成果，隔壁中科院物理所就猜了一堆足以拿諾獎的研究，誰知道直接「跨服」頒給了人工神經網路和機器學習領域。
而借著這個機會，我們也去了解了下兩個大佬，發現人家的成就能拿獎完全說得過去。
首先是傑佛瑞·辛頓，這個大佬大家肯定不陌生了，再和大家強調一遍，他是公認的「 深度學習之父 」。
我們今天也詳細去查了下辛頓老爺子，震驚我的反倒不是他自己的成就，而是他實在是家世顯赫。
就這麽說吧，千年以後，人類回顧豪門望族，辛頓家的族譜可能還是最閃耀的那一批，國內的什麽四世三公都得遜色一番。
在辛頓家族中，最頂的就是他的曾曾祖父喬治·布爾，人稱 邏輯學中的牛頓 。
喬治和自己老婆也就是辛頓的曾曾祖母瑪麗·埃弗裏斯·布爾，共同創作了布爾邏輯和代數學，後來成為現代電腦的數學基礎。
而這個瑪麗的叔叔喬治GeorgeEverest是英國大地測量學家，珠穆朗瑪峰的英文名就是以他的名字Everest命名的。
辛頓的家族還特別和中國有緣。
他的曾姑媽艾捷爾·麗蓮·伏尼契，寫了本書叫【牛虻】，曾激勵了一代國內革命青年。
而他還有個姑媽名叫瓊·辛頓，中文名叫寒春 （咱們曾經 寫了一篇文章來介紹寒春 ） 。
這個姑媽曾經參與過曼哈頓計劃。
後來因為多方原因，毅然決然地棄美投中。
來到中國後的她放棄了自己擅長的核物理研究，但寒春對新的奶牛事業樂在其中，甚至還為國內巴氏殺菌奶設計了一條產線。
所以，咱們今天的主角辛頓在花了一輩子的時間，同時獲得了 諾貝爾物理學家和圖靈獎 ，回家一看，也就只是能在族譜單開一頁的水平？
而辛頓如今風光的名號，一路走來卻壓根並不輕松。
從小時候起，他的學習成績就談不上「頂尖」。
高中時上了一所他口中的「二流公立學校」凱瑞夫頓學院，但實際上，該學院在辛頓之前出過3名諾獎得主，大家聽聽得了，別真信了。
也就是在凱瑞夫頓學院，辛頓從一個同學那兒聽說了「大腦記憶並不固定存在某個部份，而是分散在整個大腦，利用整個神經網路傳播，如果大腦使用全像圖，砍掉一半，還能獲得整個圖片……」
好好好，我高中同學咋天天只會跟我「桀桀桀」呢？
辛頓當時估計也沒整明白，就把這個小故事深埋心底，隨後就開始了自己的浪蕩前半生。
到了18歲，辛頓進入劍橋大學國王學院學習物理、化學和數學，但一個月後就退學了。
去倫敦gap了一年後改修建築學，結果就撐了一天，甚至後來，辛頓也嘗試過轉向哲學，不過也沒堅持住。
再後面，辛頓就開始雙修物理和生理學，到最後，哥們拿了實驗心理學畢業證。
畢業後的辛頓又跑去當了一年木匠。
這種到處亂晃的水平，也讓辛頓總是被家裏人PUA，他爸天天念叨「你要好好努力，等你比我老一倍了，就能趕上我一半的成績了」。
我估摸著，辛頓老爹如果在天有靈，這下總能感覺自己被打臉了。
總之，在嘗過了弱水三千後，辛頓找到了只屬於他的那一瓢： 人工智慧 。
在當時，人工智慧談不上什麽大熱研究方向，他找了一個正在研究神經網路的導師希金斯教授，這一下就喚醒了辛頓年少時的記憶：「我要的就是讓機器實作大腦功能」。
但在生成式大模型爆火之前，AI界一直在爭論什麽才是正確路線，神經網路、深度學習一度被符號主義 （簡單說就是所有事物、規則都能用一個個符號來代替，AI透過記住這些符號和規則來理解世界） 等路線打得潰不成軍。
最誇張的時候，就連希金斯教授，都轉投符號主義門下，希金斯甚至還反過來勸辛頓也點了，重開一把得了。
一時間，神經網路被所有人放棄，世界上幾乎只剩下辛頓這一個獨苗了。
結果辛頓也就是頭鐵，楞是一個人守高地30多年，發育到六神裝，一把反推了其他AI路線的高地。
而辛頓這次獲獎憑借的就是他在這幾十年裏的成果之一： 1985年提出的「波茲曼機」 。
波茲曼機能夠像人一樣自主學習。
比如你給它看不停地看很多火鍋的帥照，就能生成一張新的，看起來很像火鍋的大金毛影像。
這也就是後來的深度學習、人工神經網路的雛形。
隨著研究不斷深入，辛頓也逐漸開創了一個新的學術分支： 深度學習 。
而今天你能看到活躍在生成式大模型頂端的辣些人，基本全是辛門成員，所以，你甚至可以說辛頓是當今所有大模型的唯一指定祖師爺。
後來，辛頓還帶著前OpenAI首席科學家Ilya創辦了個DNNresearch的公司，這家公司當時沒有任何產品，而且也沒有任何計劃研究任何產品，說白了他們公司的產品就是他們幾個人的腦子。
他們決定把DNN也就是他們自己，公開向全世界拍賣，最終百度、谷歌、微軟和DeepMind四家公司競爭。
當競價達到4400萬美元時，他們暫停了競拍，然後直接把天賦帶到了谷歌。
在他們看來，合適的平台比更高的價格更重要。
但到了去年，辛頓主動選擇從谷歌離職，就為了能夠自由談論AI的風險。
在如今的他看來，AI已經在朝一個人類無法掌控的地步前進演化，他甚至在去年曾經在接受采訪時表示，自己回顧一生的工作，感到非常後悔，以至於只能找一個「哪怕自己不做這些，也有其他人來做」的借口來安慰自己。
可現如今，大家將他在後悔的工作捧上諾貝爾獎台。
辛頓這次獲獎也在學術圈引起了不少爭議，因為辛頓的工作成就雖然很出色，但它們顯然並不屬於傳統物理學的任何一個分支。
與之不同的是，和辛頓一同得獎的霍普菲爾德，就顯得「正統」了不少。
因為霍普菲爾德雖然以AI領域的工作內容獲獎，但他其實是個地地道道的生物物理學家，曾經拿到過 波茲曼獎 （統計物理領域最高獎） 和 狄拉克獎 （理論物理學的重要獎項） ，比起辛頓來說完全就是純血物理人。
霍普菲爾德的家族雖然不比辛頓，但也是頂尖書香門第，父母親都是知名物理學家。
學習生涯比起辛頓的放蕩不羈來說，就更顯得純血物理人了。
1933年出生於芝加哥，從物理學士，到物理博士，一步步按部就班。
畢業後先後在貝爾實驗室任職，在大學任教，在NASA做研究。
而他獲獎的成果是1982年提出了霍普菲爾德網路，讓AI能夠像人類聯想記憶那樣，儲存和重建資訊模式。
打個比方，你在試圖回憶一個不常用的成語，可能會先想他的近義詞啥的，最終想起了這個成語。
霍普菲爾德網路的工作方式就與此類似，當給AI一個不完整的資訊時，它能夠找到最相似的儲存資訊。
這麽一來，霍普菲爾德網路就能修復損壞的數據，比如去除圖片中的噪點。
乍一聽，這個玩意兒根本不物理，反而很AI是吧。
其實並不是，霍普菲爾德網路的儲存和檢索方式，利用了材料的物理特性。
材料內的原子會因為自旋而產生特性，這個特性使得每個原子都成為了mini磁鐵，大家互相有著不同的重力。
數據的儲存在不同重力下，就好比一個層巒疊嶂的景觀中，當網路接收到新的輸入時，就像在這個景觀中捲動一個球，最終球會根據不同的溝壑 （即重力） 停在最接近的山谷中，也就是找到了最相似的儲存模式。
更重要的是，霍普菲爾德將神經網路的動力學，與物理學中的系統 （特別是統計力學） 進行了比較和融合。
這種跨學科方法是革命性的，為後來的研究者們開啟了新思路。
總之，霍普菲爾德的獲獎也是相當實至名歸的。
但無論怎麽說，AI的風已經吹到諾貝爾獎了，在諾貝爾物理學委員會看來，如今的人工神經網路已經為物理學帶來了新的使用場景，比如開發具有特定內容的新材料等等。
而這些成就，顯然足以抹去什麽學科之見。
很難想象，在AI發展如此迅猛的未來，人們竟然還在爭論它到底配不配得物理學獎，而差評君想說的是：
既見未來，為何不拜？
圖片、資料來源：
瑞典皇家科學院官網
Wikipedia：John Hopfield
Wikipedia：Geoffrey Hinton
Britannica：Geoffrey Hinton
Britannica：Sir George Everest
AIM：Geoffrey Hinton:When genius runs in the family
Torontolife：Mr.Robot
Ashleevance：Oral History:Geoff Hinton On How AI Came To Be And What We're Supposed To Do With It
