来源：虎嗅APP
就在10月8日下午，最新一届的诺贝尔物理学奖公布，约翰·J·霍普菲尔德 （John J.Hopfield） 、杰弗里·E·辛顿 （Geoffrey E.Hinton） 获奖，以表彰他们通过「人工神经网络实现机器学习的基础性发现和发明」。
辛顿在接受电话采访时表示：「完全没想到」。
实话实说，在结果出来前， 大家也都没想到 。
因为在外界预测里，今年的诺贝尔物理学奖最大热门，还是传统的凝聚态物理领域，结果最后颁给了AI圈的两位大佬。
网友们也都不淡定了，有些人调侃地表示， 物理学不存在了 。
也有人表示，这次的颁奖可能会引起一系列连锁反应。
一些人甚至有种感觉，诺贝尔奖有点蹭AI热度的意思？
其实物理学界也不是没什么新的研究成果，隔壁中科院物理所就猜了一堆足以拿诺奖的研究，谁知道直接「跨服」颁给了人工神经网络和机器学习领域。
而借着这个机会，我们也去了解了下两个大佬，发现人家的成就能拿奖完全说得过去。
首先是杰弗里·辛顿，这个大佬大家肯定不陌生了，再和大家强调一遍，他是公认的「 深度学习之父 」。
我们今天也详细去查了下辛顿老爷子，震惊我的反倒不是他自己的成就，而是他实在是家世显赫。
就这么说吧，千年以后，人类回顾豪门望族，辛顿家的族谱可能还是最闪耀的那一批，国内的什么四世三公都得逊色一番。
在辛顿家族中，最顶的就是他的曾曾祖父乔治·布尔，人称 逻辑学中的牛顿 。
乔治和自己老婆也就是辛顿的曾曾祖母玛丽·埃弗里斯·布尔，共同创作了布尔逻辑和代数学，后来成为现代计算机的数学基础。
而这个玛丽的叔叔乔治GeorgeEverest是英国大地测量学家，珠穆朗玛峰的英文名就是以他的名字Everest命名的。
辛顿的家族还特别和中国有缘。
他的曾姑妈艾捷尔·丽莲·伏尼契，写了本书叫【牛虻】，曾激励了一代国内革命青年。
而他还有个姑妈名叫琼·辛顿，中文名叫寒春 （咱们曾经 写了一篇文章来介绍寒春 ） 。
这个姑妈曾经参与过曼哈顿计划。
后来因为多方原因，毅然决然地弃美投中。
来到中国后的她放弃了自己擅长的核物理研究，但寒春对新的奶牛事业乐在其中，甚至还为国内巴氏杀菌奶设计了一条产线。
所以，咱们今天的主角辛顿在花了一辈子的时间，同时获得了 诺贝尔物理学家和图灵奖 ，回家一看，也就只是能在族谱单开一页的水平？
而辛顿如今风光的名号，一路走来却压根并不轻松。
从小时候起，他的学习成绩就谈不上「顶尖」。
高中时上了一所他口中的「二流公立学校」克里夫顿学院，但实际上，该学院在辛顿之前出过3名诺奖得主，大家听听得了，别真信了。
也就是在克里夫顿学院，辛顿从一个同学那儿听说了「大脑记忆并不固定存在某个部分，而是分散在整个大脑，利用整个神经网络传播，如果大脑使用全息图，砍掉一半，还能获得整个图片……」
好好好，我高中同学咋天天只会跟我「桀桀桀」呢？
辛顿当时估计也没整明白，就把这个小故事深埋心底，随后就开始了自己的浪荡前半生。
到了18岁，辛顿进入剑桥大学国王学院学习物理、化学和数学，但一个月后就退学了。
去伦敦gap了一年后改修建筑学，结果就撑了一天，甚至后来，辛顿也尝试过转向哲学，不过也没坚持住。
再后面，辛顿就开始双修物理和生理学，到最后，哥们拿了实验心理学毕业证。
毕业后的辛顿又跑去当了一年木匠。
这种到处乱晃的水平，也让辛顿总是被家里人PUA，他爸天天念叨「你要好好努力，等你比我老一倍了，就能赶上我一半的成绩了」。
我估摸着，辛顿老爹如果在天有灵，这下总能感觉自己被打脸了。
总之，在尝过了弱水三千后，辛顿找到了只属于他的那一瓢： 人工智能 。
在当时，人工智能谈不上什么大热研究方向，他找了一个正在研究神经网络的导师希金斯教授，这一下就唤醒了辛顿年少时的记忆：「我要的就是让机器实现大脑功能」。
但在生成式大模型爆火之前，AI界一直在争论什么才是正确路线，神经网络、深度学习一度被符号主义 （简单说就是所有事物、规则都能用一个个符号来代替，AI通过记住这些符号和规则来理解世界） 等路线打得溃不成军。
最夸张的时候，就连希金斯教授，都转投符号主义门下，希金斯甚至还反过来劝辛顿也点了，重开一把得了。
一时间，神经网络被所有人放弃，世界上几乎只剩下辛顿这一个独苗了。
结果辛顿也就是头铁，愣是一个人守高地30多年，发育到六神装，一把反推了其他AI路线的高地。
而辛顿这次获奖凭借的就是他在这几十年里的成果之一： 1985年提出的「玻尔兹曼机」 。
玻尔兹曼机能够像人一样自主学习。
比如你给它看不停地看很多火锅的帅照，就能生成一张新的，看起来很像火锅的大金毛图像。
这也就是后来的深度学习、人工神经网络的雏形。
随着研究不断深入，辛顿也逐渐开创了一个新的学术分支： 深度学习 。
而今天你能看到活跃在生成式大模型顶端的辣些人，基本全是辛门成员，所以，你甚至可以说辛顿是当今所有大模型的唯一指定祖师爷。
后来，辛顿还带着前OpenAI首席科学家Ilya创办了个DNNresearch的公司，这家公司当时没有任何产品，而且也没有任何计划研究任何产品，说白了他们公司的产品就是他们几个人的脑子。
他们决定把DNN也就是他们自己，公开向全世界拍卖，最终百度、谷歌、微软和DeepMind四家公司竞争。
当竞价达到4400万美元时，他们暂停了竞拍，然后直接把天赋带到了谷歌。
在他们看来，合适的平台比更高的价格更重要。
但到了去年，辛顿主动选择从谷歌离职，就为了能够自由谈论AI的风险。
在如今的他看来，AI已经在朝一个人类无法掌控的地步进化，他甚至在去年曾经在接受采访时表示，自己回顾一生的工作，感到非常后悔，以至于只能找一个「哪怕自己不做这些，也有其他人来做」的借口来安慰自己。
可现如今，大家将他在后悔的工作捧上诺贝尔奖台。
辛顿这次获奖也在学术圈引起了不少争议，因为辛顿的工作成就虽然很出色，但它们显然并不属于传统物理学的任何一个分支。
与之不同的是，和辛顿一同得奖的霍普菲尔德，就显得「正统」了不少。
因为霍普菲尔德虽然以AI领域的工作内容获奖，但他其实是个地地道道的生物物理学家，曾经拿到过 玻尔兹曼奖 （统计物理领域最高奖） 和 狄拉克奖 （理论物理学的重要奖项） ，比起辛顿来说完全就是纯血物理人。
霍普菲尔德的家族虽然不比辛顿，但也是顶尖书香门第，父母亲都是知名物理学家。
学习生涯比起辛顿的放荡不羁来说，就更显得纯血物理人了。
1933年出生于芝加哥，从物理学士，到物理博士，一步步按部就班。
毕业后先后在贝尔实验室任职，在大学任教，在NASA做研究。
而他获奖的成果是1982年提出了霍普菲尔德网络，让AI能够像人类联想记忆那样，存储和重建信息模式。
打个比方，你在试图回忆一个不常用的成语，可能会先想他的近义词啥的，最终想起了这个成语。
霍普菲尔德网络的工作方式就与此类似，当给AI一个不完整的信息时，它能够找到最相似的存储信息。
这么一来，霍普菲尔德网络就能修复损坏的数据，比如去除图片中的噪点。
乍一听，这个玩意儿根本不物理，反而很AI是吧。
其实并不是，霍普菲尔德网络的存储和检索方式，利用了材料的物理特性。
材料内的原子会因为自旋而产生特性，这个特性使得每个原子都成为了mini磁铁，大家互相有着不同的引力。
数据的存储在不同引力下，就好比一个层峦叠嶂的景观中，当网络接收到新的输入时，就像在这个景观中滚动一个球，最终球会根据不同的沟壑 （即引力） 停在最接近的山谷中，也就是找到了最相似的存储模式。
更重要的是，霍普菲尔德将神经网络的动力学，与物理学中的系统 （特别是统计力学） 进行了比较和融合。
这种跨学科方法是革命性的，为后来的研究者们打开了新思路。
总之，霍普菲尔德的获奖也是相当实至名归的。
但无论怎么说，AI的风已经吹到诺贝尔奖了，在诺贝尔物理学委员会看来，如今的人工神经网络已经为物理学带来了新的使用场景，比如开发具有特定属性的新材料等等。
而这些成就，显然足以抹去什么学科之见。
很难想象，在AI发展如此迅猛的未来，人们竟然还在争论它到底配不配得物理学奖，而差评君想说的是：
既见未来，为何不拜？
图片、资料来源：
瑞典皇家科学院官网
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
