科普｜2024年諾貝爾物理學獎跟圖靈獎“搶飯碗”？——機器學習獲諾獎凸顯跨學科研究的驚人力量

　　8日宣布的2024年諾貝爾物理學獎“意外”垂青機器學習(xi) ，讓多個(ge) 諾獎預測集體(ti) “翻車”，就連獲獎者之一的傑弗裏·欣頓也坦言自己“完全沒想到”。看似不屬於(yu) 傳(chuan) 統物理學任何一個(ge) 分支領域的成果斬獲諾獎，讓不少學者開玩笑說諾貝爾物理學獎在跟計算機界的圖靈獎“搶飯碗”。

　　事實上，機器學習(xi) 領域的元老級人物約翰·霍普菲爾德和傑弗裏·欣頓斬獲諾獎，如諾獎官方公告所說正是因為(wei) “運用物理學的工具”。今年的諾貝爾物理學獎不僅(jin) 是對兩(liang) 名科學家成就的肯定，更是極大強調了跨學科研究的重要性，向人們(men) 展示了物理學的深刻洞見與(yu) 計算機科學創新“碰撞”可以產(chan) 生的巨大能量。

　　當前人們(men) 談論人工智能時，經常指的是使用人工神經網絡的機器學習(xi) 。諾貝爾物理學委員會(hui) 秘書(shu) 烏(wu) 爾夫·丹尼爾鬆對記者強調，人工神經網絡在物理學中的研究和應用已經持續了相當長一段時間，本次諾貝爾物理學獎並非頒發給過去幾年人工智能的發展，不是針對大語言模型或類似的東(dong) 西，而是針對基礎發明。

　　遠在人工智能成為(wei) 今天的科技熱詞之前，這兩(liang) 名科學家從(cong) 20世紀80年代起就在人工神經網絡領域做出了重要工作。這項技術最初的靈感來自大腦的結構。就像大腦中大量神經元通過突觸相連一樣，人工神經網絡由大量的“節點”通過“連接”組成。每個(ge) 節點就像一個(ge) 神經元，而連接的強弱則類似於(yu) 突觸的強度，決(jue) 定了信息傳(chuan) 遞的效果。

　　1982年，美國科學家約翰·霍普菲爾德創建了一種用於(yu) 機器的聯想記憶方法，提出了一種革命性的網絡結構，被稱為(wei) “霍普菲爾德網絡”。這個(ge) 網絡能夠存儲(chu) 多個(ge) 模式（比如圖像），並且在麵對不完整或有噪聲的輸入時，能夠重構出最相似的模式。

　　英國裔加拿大科學家傑弗裏·欣頓在此基礎上更進一步，他希望機器能像人類一樣自主學習(xi) 和分類信息，於(yu) 1985年和同事提出了“玻爾茲(zi) 曼機”的網絡模型，這個(ge) 名字源於(yu) 19世紀物理學家路德維希·玻爾茲(zi) 曼的方程。該模型通過統計物理學中的玻爾茲(zi) 曼分布來識別數據中的特征，成為(wei) 了現代深度學習(xi) 網絡的基礎。欣頓的研究繼續推進，導致了當前機器學習(xi) 領域爆炸式的發展。

　　愛爾蘭(lan) 都柏林聖三一學院認知神經科學教授羅德裏·丘薩克8日評論指出，人工神經網絡最初受到神經科學的啟發，並且兩(liang) 者之間的相互作用持續蓬勃發展。人工神經網絡已被證明是大腦學習(xi) 過程的寶貴模型，機器正在幫助我們(men) 了解自己，這反過來又為(wei) 技術發展提供了新的途徑。如果沒有霍普菲爾德和欣頓的開創性工作，這一切都不可能實現。

　　霍普菲爾德和欣頓的工作不僅(jin) 推動了機器學習(xi) 的發展，還對物理學產(chan) 生了深遠影響。正如丹尼爾鬆當天在接受新華社記者采訪時所說，物理學的原理為(wei) 兩(liang) 名科學家提供了思路，同時，人工神經網絡在物理學中也得到了廣泛應用，催生新的驚人發現。

　　諾貝爾物理學委員會(hui) 主席埃倫(lun) ·穆恩斯在當天的新聞發布會(hui) 上表示，兩(liang) 名獲獎者利用統計物理的基本概念設計了人工神經網絡，構建了機器學習(xi) 的基礎。相關(guan) 技術已被用於(yu) 推動多個(ge) 領域的研究，包括粒子物理、材料科學和天體(ti) 物理等，也已用於(yu) 日常生活中的人臉識別和語言翻譯等。

　　機器學習(xi) 的迅速發展不僅(jin) 帶來了巨大的機遇，也引發人們(men) 對於(yu) 倫(lun) 理和安全方麵的擔憂。穆恩斯當天在發布會(hui) 上強調說，人類有責任以安全且道德的方式使用這項新技術，以確保它能為(wei) 全人類帶來最大的利益。

　　欣頓當天在接受電話連線采訪時表示，這一技術將對社會(hui) 產(chan) 生巨大影響，但也必須警惕這一技術可能造成的威脅。丹尼爾鬆也指出，機器學習(xi) 與(yu) 基因編輯等眾(zhong) 多前沿技術的發展是“雙刃劍”，人們(men) 必須警惕出現壞的結果。在這方麵，尤其需要全球合作。