2024年10月8日，瑞典皇家科学院宣布2024年诺贝尔物理学奖的获奖者为普林斯顿大学的约翰·J·霍普菲尔德（John J. Hopfield）和多伦多大学的杰弗里·E·辛顿（Geoffrey E. Hinton），以表彰他们在人工神经网络和机器学习领域的开创性工作。两位科学家开辟了现代人工智能（AI）革命的基础，并推动了机器学习技术的发展。
物理学与人工智能的交汇
此次获奖让许多人感到意外，尤其是辛顿本人。他在新闻发布会上表示：「我感到非常震惊，完全没有预料到会获奖。」辛顿于2023年因对AI潜在危险的担忧辞去谷歌职位，成为AI技术风险的批评者。这也为他的获奖增添了话题性。
霍普菲尔德和辛顿的研究起源于上世纪80年代，他们运用物理学中的统计模型为现代机器学习打下了基础。霍普菲尔德在1982年提出的「霍普菲尔德网络」通过模拟原子自旋在材料中的行为，创造了一种存储与重构图像的模型。这种网络在神经系统中的信息处理与存储方式方面具有革命性意义，并为之后的人工智能技术铺平了道路。辛顿则进一步发展了这一网络，引入了概率机制，提出了「玻尔兹曼机」，这一技术在图像识别、分类等任务中表现出色，并成为今日AI技术的基石。
人工智能的两面性
辛顿在AI领域的成就无人可否认，但近年来，他成为AI潜在危险的警告者。在2023年从谷歌辞职后，辛顿公开表达了对AI超级智能可能威胁人类的担忧。他指出，随着AI技术的飞速发展，其发展速度已经远超出他和其他专家的预期，可能带来失控的后果。
「我们从未体验过比我们更聪明的事物，」辛顿在诺贝尔新闻发布会上表示。他承认AI在医疗等领域的潜力，但也警告了其可能带来的不利后果。他提到AI可能变得比人类更智能，并最终控制系统的担忧让这一领域面临重大伦理挑战。
两位得主的深远影响
虽然霍普菲尔德和辛顿因其在神经网络方面的贡献而获奖，但他们的科研影响远不止于此。霍普菲尔德的研究跨越了物理学、生物学和计算领域，他提出了关于大脑计算机制的早期理论，对理解神经系统的信息处理方式产生了深远影响。辛顿则是当今生成式AI领域的重要奠基者之一，他与团队在2012年开发的AlexNet成为计算机视觉和深度学习领域的重要里程碑。此后，辛顿还因在人工智能中的贡献，于2018年获得了计算机领域的「图灵奖」。
两位科学家不仅开创了神经网络研究的新纪元，他们的工作还推动了AI技术在物理学、材料科学等多个领域的应用，为人类生活和科技进步带来了深远影响。
物理学奖的跨界
尽管他们的工作主要在计算机科学领域，但此次诺贝尔奖物理学委员会表示，霍普菲尔德与辛顿的研究建立在物理学的基础上，并在材料科学、粒子物理和天体物理等多个领域产生了显著影响。诺贝尔物理学奖委员会主席艾伦·穆恩斯（Ellen Moons）表示：「人工神经网络已经被广泛用于推动物理学的研究进展，这些技术为未来科技的发展带来了无限可能。」
此次奖项的揭晓引发了全球科技界的热议。两位获奖者将分享1100万瑞典克朗（约合100万美元）的奖金，继续推动科学研究和社会讨论。
