瑞典皇家科學院當地時間10月8日宣布，將2024年諾貝爾物理學獎授予約翰·J·霍普菲爾德和傑佛瑞·E·辛頓，表彰他們在使用人工神經網路進行機器學習的基礎性發現和發明。兩位獲獎者從20世紀80年代起就開展了與物理學相關的人工神經網路的重要工作。
這讓很多網友「滿頭問號」。諾貝爾物理學獎怎麽頒給了人工智慧領域的科學家？人工神經網路與物理學有什麽關系？記者采訪了領域內的專家，試圖解答這些疑惑。
機器學習和物理學有何關系？
廣東科普講師團成員、哈爾濱工業大學（深圳）電腦學院副院長何道敬說：「霍普菲爾德和辛頓兩位科學家的工作，為人工神經網路和機器學習的發展奠定了堅實的基礎，對當今的科技發展和社會生活產生了深遠的影響，因此獲得諾貝爾物理學獎是實至名歸的。」
那麽，機器學習到底是什麽？
廣東省科普講師團成員，華南理工大學人工智慧未來創新實驗室常務副主任陳安解釋，通俗地說，機器學習就是讓機器在沒有人給指令的情況下，透過數據或者其他機制，自己學會某些能力。早期的機器學習比較簡單，比如讓機器辨識出手寫的數位，或者不同的顏色等。從這些簡單的任務開始，人工智慧逐漸發展成今天為人們所知的GPT等大模型。
而人工神經網路就是一種機器學習的形態，透過構造一些人工神經元，來模擬大腦裏面神經元的連線方式、形態，開展機器學習。
把物理學獎頒給人工智慧科學家，會不會有點奇怪？
「在我看來，物理學獎頒給人工智慧的科學家，是挺正常的一件事。」陳安表示，一方面，霍普菲爾德和辛頓兩位獲獎者在早期人工神經網路中做了許多工作，「比如以霍普菲爾德命名的霍普菲爾德神經網路，就是根據物理學原理設計的一種網路，每個單元由運算放大器和電容電阻這些元件組成，相當於一個神經元。輸入訊號以電壓形式加到各單元上，經過一段時間後，各部份的電流和電壓達到某個穩定狀態，它的輸出電壓就表示問題的解答。」
而辛頓發明的波茲曼機，也用到了很多統計物理學的工具。這種機器能夠透過學習來辨識某類數據中的特定元素特征。
另一方面，陳安認為，科學家們的職責就是回答關於世界的問題，比如宇宙起源、生命誕生等，而智慧如何產生也是一個關鍵的基本問題。「對人工智慧的研究有可能會給我們答案，至於是頒授物理學獎還是化學獎、生理學或醫學獎，其實沒那麽重要，分科只是一種形式，其背後的很多原理都是相通的。」
機器學習有什麽用？
無人駕駛、人臉辨識、「AI歌手」……如今，越來越多人工智慧套用進入我們的日常生活。這背後，神經網路和機器學習是重要的技術推動力。
在中國人大網上，能找到中國工程院院士孫凝暉姓名標示的一份名為【人工智慧與智慧計算的發展】的報告講稿，其中闡釋了神經網路和深度學習的特點。
孫凝暉表示，以傑佛瑞·辛頓等為代表的連線智慧學派，以學習能力自動化為目標，發明了深度學習等新AI演算法。「透過深度神經元網路的自動學習，大幅提升了模型統計歸納的能力，在模式辨識等套用效果上取得了巨大突破，某些場景的辨識精度甚至超越了人類。」孫凝暉說。
以人臉辨識為例，整個神經網路的訓練過程相當於一個網路參數調整的過程，將大量的經過標註的人臉圖片數據輸入神經網路，然後進行網路間參數調整，讓神經網路輸出的結果的機率無限逼近真實結果。神經網路輸出真實情況的機率越大，參數就越大，從而將知識和規則編碼到網路參數中，這樣只要數據足夠多，就可以對各種大量的常識進行學習，通用性得到極大的提升。連線智慧的套用更加廣泛，包括語音辨識、人臉辨識、自動駕駛等。
「大模型的發展使得復雜的計算和數據處理變得更加精準和高效；大數據的積累提供了豐富的資源，使得我們能夠從中挖掘出更多有價值的資訊；而大算力的提升則為這些技術提供了強大的支持，使得以前難以想象的套用場景如今得以實作。」何道敬認為，這些進步使得過去的技術在現代化環境中得以創新套用，並推動了各個領域的快速發展，「比如，哈工大（深圳）電腦學院深耕人工智慧與大模型，我們團隊去年獲批深圳市唯一‘大模型智慧與安全重點實驗室’，在推動人工智慧技術發展和套用方面，我們還有很多工作要做。」
