劃重點
012024年諾貝爾物理學獎授予美國普林斯頓大學的約翰霍普菲爾德和加拿大多倫多大學的杰弗里欣頓，以表彰他們在人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域的突破性發(fā)明。
02兩位獲獎?wù)叩某晒莾煞N神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)架構(gòu)，霍普菲爾德網(wǎng)絡(luò)用于數(shù)據(jù)存儲和重現(xiàn)，而辛頓發(fā)明的玻爾茲曼機則用于特征提取和降維處理。
03肖仰華表示，AI值得諾獎，因為其在改變世界，包括科學研究范式。
04此外，跨學科研究在人工智能領(lǐng)域展現(xiàn)出巨大潛力，如物理學為機器學習提供工具，同時機器學習也為物理學帶來啟發(fā)。
05此次諾貝爾物理學獎花落機器學習，引起了計算機領(lǐng)域的震動和興奮，看到了利用物理等相關(guān)方法開展計算機研究的可能性和前景。
以上內(nèi)容由騰訊混元大模型生成，僅供參考
2024年諾貝爾物理學獎爆冷頒給兩位機器學習科學家。機器學習為何值得諾貝爾物理學獎？
10月8日，復旦大學計算機科學技術(shù)學院教授、博導、上海市數(shù)據(jù)科學重點實驗室主任肖仰華在接受澎湃科技采訪時表示，“神經(jīng)網(wǎng)絡(luò)的兩種基本實現(xiàn)機制之所以受到物理獎的青睞，是因為這兩個模型的設(shè)計受到了物理學方法的啟發(fā)，都和統(tǒng)計物理中的伊辛模型（Ising Model，一類描述物質(zhì)相變的隨機過程模型）有著高度關(guān)系，完全可以從統(tǒng)計物理學角度重新解讀兩個網(wǎng)絡(luò)模型。”
“AI值得諾獎，或者說不把諾獎發(fā)給AI，諾獎可能就不會那么重要，畢竟AI在改變而且深刻改變世界，包括科學研究范式。”上海交通大學物理與天文學院、自然科學研究院教授洪亮告訴澎湃科技。
瑞典皇家科學院8日宣布，將2024年諾貝爾物理學獎授予美國普林斯頓大學的約翰霍普菲爾德和加拿大多倫多大學的杰弗里欣頓。視覺中國 圖
“AI值得諾獎”
普林斯頓大學的約翰J霍普菲爾德（John J. Hopfield）和加拿大多倫多大學的杰弗里E辛頓因“通過人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)機器學習的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”，獲得2024年諾貝爾物理學獎。獲獎?wù)邔⒐蚕?100萬瑞典克朗（約合745萬元人民幣）獎金。
今年的兩位諾貝爾物理學獎得主約翰霍普菲爾德和杰弗里辛頓從20世紀80年代開始就在人工神經(jīng)網(wǎng)絡(luò)方面開展了重要工作。他們使用了物理學的工具來開發(fā)方法，這些方法是當今強大的機器學習的基矗肖仰華介紹，兩位諾獎得主的成果是兩種神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)架構(gòu)，各有其特性�；羝辗茽柕戮W(wǎng)絡(luò)可用于數(shù)據(jù)的存儲和重現(xiàn)，辛頓發(fā)明的玻爾茲曼機常用作特征提娶降維處理。
洪亮介紹，霍普菲爾德借鑒物理學中自旋系統(tǒng)和能量態(tài)分布概念，將復雜的神經(jīng)網(wǎng)絡(luò)問題轉(zhuǎn)化為能量最小化問題，1982年發(fā)明了霍普菲爾德網(wǎng)絡(luò)。這是一種遞歸神經(jīng)網(wǎng)絡(luò)，具有對稱連接和能量函數(shù)，用于存儲和檢索模式。大腦就像一個巨大的記憶庫，能夠通過一點線索回想起完整的記憶�；羝辗茽柕戮W(wǎng)絡(luò)就是模擬這種記憶過程的神經(jīng)網(wǎng)絡(luò)模型。
1985年，辛頓等人提出了玻爾茲曼機，這是對霍普菲爾德網(wǎng)絡(luò)的擴展。玻爾茲曼機引入了隨機性，神經(jīng)元狀態(tài)以一定概率更新，遵循玻爾茲曼分布。兩者同樣使用能量函數(shù)，但通過模擬退火等方法，玻爾茲曼機能夠跳出局部最小值，找到全局最優(yōu)解。
洪亮表示，機器學習獲得諾貝爾物理學獎的直接原因是，約翰霍普菲爾德發(fā)明了幫助尋找缺少圖像的有記憶能力的網(wǎng)絡(luò)霍普菲爾德網(wǎng)絡(luò)，而辛頓基于霍普菲爾德網(wǎng)絡(luò)發(fā)明了玻爾茲曼機。但更深層次原因在于，“AI值得諾獎，或者說不把諾獎發(fā)給AI，諾獎可能就不會那么重要，畢竟AI在改變而且深刻改變世界，包括科學研究范式。”
跨學科研究彰顯潛力
正如諾獎官方評價稱，物理學為機器學習的發(fā)展提供了工具，物理學作為一個研究領(lǐng)域如何也從人工神經(jīng)網(wǎng)絡(luò)中受益將是有趣的。長期以來，機器學習一直被用于以前諾貝爾物理學獎中熟悉的領(lǐng)域，包括用機器學習篩選和處理發(fā)現(xiàn)希格斯粒子所需的大量數(shù)據(jù)、尋找系外行星。
近年來，人工智能技術(shù)也開始用于計算和預測分子和材料的性質(zhì)，比如計算蛋白質(zhì)分子的結(jié)構(gòu)，或者計算出可用于更高效的太陽能電池的材料。
“諾貝爾物理學獎授予機器學習，跨學科研究彰顯出巨大潛力。”肖仰華表示，跨學科研究或?qū)⑷〉脛?chuàng)新性成果，從而受到世界級獎項的認可。物理學甚至傳統(tǒng)自然學科經(jīng)過幾百年的發(fā)展沉淀了大量理論和方法，對于人工智能這樣的新興學科有著巨大啟發(fā)和參考意義。“在人工智能及其他新興學科的漫長發(fā)展道路中，以更加開放的跨學科視野，融合傳統(tǒng)自然學科的理論和方法，發(fā)展新興學科，解決新興學科遇到的問題，這是做出創(chuàng)新性成果的重要思路。”
此次諾貝爾物理學獎花落機器學習，也引起了計算機領(lǐng)域的震動和興奮，看到了利用物理等相關(guān)方法開展計算機研究的可能性和前景。這是物理獎歷史上第一次授予計算機領(lǐng)域的科學家。在為數(shù)不多的獲得諾貝爾獎的計算機專家中，中國科學院外籍院士、1975年圖靈獎得主司馬賀（Herbert A. Simon）曾在1978年獲得諾貝爾經(jīng)濟學獎。
值得注意的是，辛頓因在深度學習方面的貢獻與約書亞本希奧和楊立昆一同被授予了2018年的圖靈獎，而約翰霍普菲爾德還不曾獲得計算機領(lǐng)域的這一最高獎。肖仰華表示，這也表明，在不同學科視角下，對科學貢獻的看法是不同的。
