返回 2024年10月10日

　　还记得那个横空出世即一路“狂飙”的ChatGPT吗？2023年以来，人工智能（AI）“百模大战”从硝烟燃起到全面打响，让人应接不暇。而AI模型背后的关键技术，正是机器学习。
　　10月8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予美国科学家约翰·霍普菲尔德和英国裔加拿大科学家杰弗里·欣顿，以表彰他们在使用人工神经网络的机器学习方面的基础性发现和发明。
　　诺贝尔奖委员会在一份声明中称：“尽管计算机无法思考，但现在，机器已经可以模仿人的记忆并具备学习等功能。今年的物理学奖得主为实现这一目标作出了贡献。”

　　●最破圈的一个奖
　　“完全出乎意料！”
　　“可能因为当前人工智能太火了！”
　　这个获奖结果一出，很多关注诺贝尔物理学奖的人士都直呼意外，因为两位科学家的研究领域和成果看上去“太不物理”了。
　　约翰·霍普菲尔德1933年出生于美国芝加哥，1958年获得美国康奈尔大学博士学位，现任美国普林斯顿大学教授。
　　杰弗里·欣顿1947年出生于英国伦敦，1978年获得英国爱丁堡大学博士学位，现任加拿大多伦多大学教授。
　　两位获奖者从20世纪80年代起就开展了与物理学相关的人工神经网络的重要工作。
　　看起来，2024年诺贝尔物理学奖“授予了人工智能研究”。科普达人、美国康奈尔大学全奖物理化学博士包坤在某家媒体的视频直播中笑言：“是诺贝尔物理学奖历史上最破圈的一个奖，就像刘国梁拿了网球比赛冠军。”
　　中国科学院物理研究所的官方微信公众号“中科院物理所”也在推文中写道：“万万没想到的是，今年诺奖居然颁发给了人工神经网络和机器学习。”
　　湘潭大学物理与光电工程学院教授彭杰则告诉记者，两位获奖科学家所研究的利用人工神经网络实现机器学习的方法相当于一个工具，在各个领域都可以应用，在物理学领域也有很多应用，比如在核物理、材料学等方面都有应用。

　　●灵感源自人脑结构
　　　　当我们谈论AI时，通常指的是使用人工神经网络进行的机器学习。如今，基于人工神经网络的机器学习正在彻底改变科学、工程和日常生活。
　　事实上，这项技术最初的开发灵感源自人脑结构。在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过类似于突触的连接相互影响，这些连接可以变强或变弱。例如，通过在同时具有高数值的节点之间建立更强的连接，可以对网络进行训练。
　　机器学习长期以来一直是科学家们研究的重要内容，其中包括对大量数据的分类和分析。霍普菲尔德和欣顿利用物理学工具构建了新方法，为当今强大的机器学习奠定了基础。他们的研究起始阶段可回溯至20世纪80年代，早在那时，他们就在人工神经网络方面开展了重要工作。

　　●利用物理学训练人工神经网络
　　霍普菲尔德发明了一种“联想记忆”网络，它能够存储和重建图像以及数据中的其他类型模式。
　　如何理解呢？我们可以将节点想象成像素。“霍普菲尔德网络”利用了物理学中描述物质特性的原理。该原理表明，材料因原子自旋而具有独特性，这种特性使每个原子成为一个小型磁铁。整个网络的描述方式相当于物理学中自旋系统的能量，它通过寻找节点之间连接的值来进行训练，从而使得保存的图像具有较低的能量。
　　当输入扭曲或不完整的图像时，“霍普菲尔德网络”会系统地遍历节点并更新它们的值，从而降低网络的能量。因此，网络能够逐步找到与输入的不完美图像最相似的已保存图像。
　　欣顿的研究建立在“霍普菲尔德网络”基础之上，他构建了一种使用不同方法的新网络，即玻尔兹曼机。它能够学习识别给定类型数据中的特征元素。在研究中，欣顿运用统计物理学原理，通过输入机器运行时可能出现的示例对其进行训练。玻尔兹曼机可用于对图像进行分类，或创建训练模式类型的新示例。欣顿在此基础上进行了拓展，推动了当前机器学习的爆炸式发展。

　　●相关技术已应用于人脸识别
　　和语言翻译等领域
　　诺贝尔物理学委员会主席埃伦·穆恩斯在当天的新闻发布会上表示，两名获奖者利用统计物理的基本概念设计了人工神经网络，构建了机器学习的基础。相关技术已被用于推动多个领域的研究，包括粒子物理、材料科学和天体物理等，也已用于日常生活中的人脸识别和语言翻译等。
　　“获奖者的工作已经产生了巨大效益。在物理学中，人工神经网络广泛应用于各个领域，例如开发具有特定属性的新材料。”埃伦·穆恩斯如是说。
　　天津大学自然语言处理实验室负责人熊德意教授表示，诺贝尔物理学奖颁给两位AI科学家，除了表彰他们在将物理学与人工神经网络深度结合方面所作的贡献之外，可能还有两层隐含意义：一是物理规律不仅存在于自然界中，在数字世界（计算机模型、模型创建的虚拟世界）中也可能发挥着制约作用；二是AI与物理学等基础科学存在千丝万缕的联系，基础科学不仅为AI筑起了基座，同时其发现和理论也为AI研究提供了启发和灵感。
　　与此同时，熊德意认为，随着AI纵深发展，其对基础科学的反哺作用越来越明显，智能驱动的科研，极有可能成为科研第五范式；AI带来的自动化基础科研，未来可能推动基础研究实现跨域式发展。
　　综合科技日报、
　　新华社、潇湘晨报