潮新聞客戶端 記者 嚴粒粒
繼物理學獎頒給氣象學專家、文學獎頒給歌手之後，諾貝爾獎又一次「爆冷」！
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·霍普菲爾德（John J. Hopfield）和謝菲·辛頓（Geoffrey Hinton），表彰他們在使用人工神經網絡進行機器學習的基礎性發現和發明。
記者收看了直播。當電話撥給謝菲·辛頓通報喜訊時，這位2018年圖靈獎得主，用極度平靜的語氣，說出了一句「完全沒有想到自己能獲得諾貝爾物理學獎」。
和謝菲·辛頓一樣「沒有想到」的，還有浙江大學人工智能研究所所長吳飛。電話那頭，他首先的感嘆是：「雖然說到底，人工智能是以機器為載體來實作人類某一方面行為，本質上是刻畫包含物理世界（以及生命等其他世界）的復雜資訊系統。不過，我現在都沒反應過來，諾貝爾物理學獎居然頒給了人工智能。」
而對於一個從浙江大學竺可楨學院求是物理班畢業後，轉入AI領域創業的年輕科研人來說，感覺又有點不一樣。麻省理工化學系博士、科技公司深度原理創始人兼CTO段辰儒表示：「諾貝爾獎是科學界最高榮譽。人工智能能獲得諾貝爾獎的肯定，對我們AI for science（指利用人工智能技術來輔助科學研究）從業者來說是一個振奮的訊息。要知道2000年以前，人工智能還被人們普遍認為算不上科學。」
要充分理解兩個人的復雜情感，需要回到這次諾獎本身——人工智能。
當代物理學大體上可以分為四個主要分支：高能物理學、天文(宇宙)物理學、原子分子和光學物理學，以及凝聚態物理學。
這兩位新晉諾獎得主的研究領域，不屬於以上任何——他們是人工智能領域的奠基人。
當我們今天談論人工智能時，通常指的是使用神經網絡進行機器學習。這項技術最初是受到生物學——也就是大腦結構的啟發。大多數現代人工智能基於一種稱為人工神經網絡的技術，模擬了大腦中神經元之間的連線。在人工智能中，神經元由節點表示，這些節點透過可以變弱或變強的連線相互影響，從而使神經網絡夠隨著時間的推移學習。
科學，就是不斷突破常規，跨越想象。設立獎項的諾貝爾去世時，是1896年。那年，他沒有預見到電腦科學的突飛猛進，以及數十年後，開啟的那一場技術大爆炸。
吳飛告訴記者，關於神經網絡的提出，可以追溯到上世紀40年代。1943年，神經科學家沃倫（Warren McCulloch）和邏輯學家禾特·皮茲（Walter Pitts）合作提出了以他們名字命名的「MCP神經元」模型。「這相當於研究清楚了腦區單個神經元的活動情況，兩位學者當時喊出了歷史的最強音：在科學史上，我們第一次知道了我們是怎麽知道的。」
不過，從嚴格意義上說，到這一步，我們還無法解釋千億個神經元所構成大腦是如何具體活動的。
直到1982年，本屆諾貝爾獎得主之一的約翰·霍普菲爾德，創造了一種「霍普菲爾德模型」人工神經元網絡模型，試圖用他的物理學背景，來探索分子生物學的理論問題。
吳飛進一步解釋：「雖然單個MCP神經元所做事情可以用數學物理方程式刻畫，一眼就能看明白，但是成千上萬個神經元連線起來之後，量變引起質變、多者異也。約翰·霍普菲爾德把眾多神經元聯系到一起，形成了神經網絡，開啟了人們對大腦計算過程的研究，推動了計算神經科學的發展，也為另一個諾獎得主謝菲·辛頓提出‘深度學習’概念打下基礎。」
幾乎前後腳，謝菲·辛頓的研究是建立在「霍普菲爾德模型」之上的。當時謝菲·辛頓在卡內基梅隆大學工作，他想知道機器是否可以學習，是否可以與人類類似的方式處理資訊。隨後，他的研究幫助啟動了當前機器學習的爆炸性發展，為谷歌、微軟、IBM等科技巨頭開發語音辨識、影像辨識、自然語言處理等套用提供了堅實的技術基礎。
所以，到這裏，我們可以認為，沒有物理學知識，或許「深度學習」概念就無法萌發。而當資訊科技發展到現在，人工智能正在與物理學，乃至化學、生物學等更多學科產生千絲萬縷的聯系。
物理學也被稱為「自然哲學」。從最廣泛的意義上來說，即是研究大自然現象及規律的學問。「世界是個復雜系統，我們需要用人工智能去模擬刻畫和計算這個世界、理解這個世界，從而找到和這個世界相處的‘最優解’。」吳飛舉例，用人工智能去模擬核聚變造一個「人造太陽」探索能源解決方案，或是去模擬台風路徑來幫助人們避險自然災害，都是「AI for science」「AI for all」的例子。
在這種意義上，諾貝爾物理學獎的桂冠加冕於兩位人工智能領域大拿，不僅是對他們個人成就的至高肯定，也無疑將進一步推動科研界對人工智能基礎理論的探索，鼓勵跨學科合作。
吳飛告訴記者，浙江大學設有全國高校首個人工智能交叉學科，今年6月釋出【大學生人工智能素養紅皮書】，希望所有學生了解人工智能、使用人工智能、創新人工智能、恪守人與人造物關系，並在2024年9月啟用的新課程大綱中，將人工智能通識課程列入全校本科生的必修課程，構建了從本科生到研究生的「人工智能」及「智能+」人才培養完整體系。
此外，段辰儒和記者補充了另一個概念——Science of AI。「諾獎花落人工智能，相當於認可了人工智能和物理之間的有機互動。這敦促我們用物理學知識來理解AI、打造AI，從而建立更精準的模型，而這些AI模型可以反過來幫助我們更好的探索科學。」
要知道，量子計算的原理對於開發更快速、高效的計算方法具有指導意義；光學系統的性質可以啟發新型的神經網絡架構設計……透過深入理解物理背後的數學和概念，我們可以改進和創新AI演算法，提升其效能，為「AI for science」做出更好的服務。
眼下，人工智能的套用，早就遠遠超越刻板印象中和ChatGPT的一答一問——
獎項揭曉現場，諾貝爾物理學獎委員會主席艾倫·穆恩斯（Ellen Moons）表示：「諾貝爾獎得主的工作已經產生了巨大的效益。在物理學中，我們把人工神經網絡套用於廣泛的領域，比如開發具有特定效能的新材料。」
和諾貝爾獎「距離最近」的例子，大約就是剛剛成功融資3000萬美元的一家名為CuspAI的歐洲公司。其顧問，便是謝菲·辛頓。CuspAI 的平台就像是材料的搜尋引擎，可以快速評估大量的新結構。這家公司正在致力於尋找一種環保材料，能應對對氣候變遷和其他全球挑戰。
你瞧，科學來從不是孤立的。
人類的奮鬥也不是孤立的。康奈爾大學教授法蘭·羅森布拉特(Frank Rosenblatt)在20世紀50年代提出了神經網絡的雛形「感知機（perceptron）」模型，後在一次劃船事故中去世，未能見證神經網絡的崛起。而此刻，在前赴後繼的科學家們努力下，時代已來。
這時，對這次諾獎感到意外的我們與其感嘆：物理學不存在了？
不如感慨：物理學，無處不在。
「轉載請註明出處」
