瑞典皇傢科學院10月8日宣佈，將2024年諾貝爾物理學獎授予美國科學傢約翰·霍普菲爾德（John J. Hopfield) 和加拿大科學傢傑弗裡·辛頓 (Geoffrey E. Hinton)，以表彰他們利用人工神經網絡（ANN）實現機器學習的奠基性發現和發明。
很顯然，今年諾貝爾物理學獎表彰的成果並非傳統物理學的任何一個分支領域。獎項公佈後，眾多學者開玩笑說“諾貝爾物理學獎在搶圖靈獎飯碗”。獲獎人辛頓教授在得知這一結果後，在接受電話采訪時直言：“I have no idea that will happen（我沒有想到）”，"我現在住在加利福尼亞的一傢廉價旅館裡，這裡的網絡和電話都不好。我今天本來要做核磁共振掃描，但我不得不取消瞭！”
華僑大學鄭志剛教授就這一讓學界大感意外的結果表示：嚴格來說，這是一個高度跨學科的交叉，新世紀物理學獎看來越來越青睞交叉瞭！
物理學諾獎頒給AI教父？機器學習算物理學？對於人們的疑惑，頒發此獎的瑞典皇傢科學院在發佈的新聞稿中表示，今年的兩位諾貝爾物理學獎得主利用物理學工具開發出的方法，為當今強大的機器學習奠定瞭基礎。其中，約翰·霍普菲爾德 (John Hopfield) 發明瞭一種聯想記憶，可以存儲和重建圖像和其他類型的數據模式。傑弗裡·辛頓 (Geoffrey Hinton) 發明瞭一種可以自主查找數據屬性的方法，從而執行諸如識別圖片中特定元素等任務。
當我們談論人工智能時，通常指的是使用人工神經網絡的機器學習。人工神經網絡的概念可以追溯到20世紀40年代，當時電子計算機剛剛出現。科學傢們最初希望這些計算機可以處理繁瑣且耗時的計算。然而，隨著時間的推移，研究者逐漸開始探索如何使計算機模仿人類和其他生物的模式識別能力。這種探索使得神經科學與物理學緊密結合，通過模擬大腦中的神經元，開發出以節點和權重連接為基礎的人工神經網絡系統。
人工神經網絡的基本架構受生物神經元網絡的啟發，其中“神經元”表示節點，“突觸”表示加權連接。這種網絡經過訓練可以執行復雜的任務，而不需要事先確定的指令集。人工神經網絡的結構與統計物理學中應用於磁性或合金理論的自旋模型有著密切的聯系。正是這種聯系促使本次諾貝爾獎表彰的研究者利用物理學工具在人工神經網絡領域取得瞭突破性進展。
約翰·霍普菲爾德的貢獻主要集中在1982年提出的動態模型，他的神經網絡被稱為“霍普菲爾德網絡”，其設計可以存儲和重構信息。這一網絡利用物理學中的自旋系統原理，構建瞭一種能夠自我糾正錯誤模式的網絡，使得該網絡在模式識別和信息修正方面具有極大的應用價值。
傑弗裡·辛頓進一步擴展瞭這一概念，提出瞭稱為“玻爾茲曼機”的網絡模型。該模型通過統計物理學中的玻爾茲曼分佈來識別數據中的特征，這一發明成為瞭現代深度學習網絡的基礎。辛頓後來開發的受限玻爾茲曼機（RBM）通過逐層預訓練，使深度學習得以實現，並且該方法在圖像分類、維度降低等領域取得瞭重要成果。
霍普菲爾德和辛頓的工作不僅推動瞭機器學習的發展，還對物理學產生瞭深遠的影響。在量子力學、材料科學和氣候建模等多個科學領域，人工神經網絡被廣泛應用於模型構建與數據分析。這些網絡能夠顯著減少計算資源的需求，從而幫助科學傢們以更高的分辨率探索更大的系統。此外，神經網絡在尋找新材料、預測氣候變化、識別基本粒子等方面也取得瞭顯著成就。
人工神經網絡的應用不僅限於科學領域，還廣泛滲透到日常生活中。它們在圖像識別、語言生成、醫療決策等方面起到瞭關鍵作用。人工神經網絡已經成為現代科技和日常生活中不可或缺的工具。
“獲獎者的工作已經產生瞭巨大的效益。在物理學領域，我們將人工神經網絡應用於廣泛的領域，例如開發具有特定屬性的新材料，”諾貝爾物理學獎委員會主席 Ellen Moons 說道。
約翰·J·霍普菲爾德 (John J. Hopfield )
約翰·J·霍普菲爾德 (John J. Hopfield ) 1933 年出生於美國伊利諾伊州芝加哥。他於 1954 年獲得斯沃斯莫爾學院學士學位，1958 年獲得康奈爾大學物理學博士學位（導師為 Albert Overhauser）。他在貝爾實驗室理論組工作瞭兩年，隨後在加利福尼亞大學伯克利分校（物理學）、普林斯頓大學（物理學）、加州理工學院（化學和生物學）和普林斯頓大學任教，現在是霍華德-普萊爾分子生物學名譽教授。35 年來，他一直與貝爾實驗室保持著密切聯系。
1986 年，他成為加州理工學院計算與神經系統博士項目的創始人之一。他獲得瞭 2024 年諾貝爾物理學獎。
他最有影響力的論文包括：描述極化子的 “The Contribution of Excitons to the Complex Dielectric Constant of Crystals”（1958 年）；描述長程電子轉移量子力學的 “Electron transfer between biological molecules by thermally activated tunneling”（1974 年）；"Kinetic Proofreading：1974年）；“神經網絡和具有突發性集體計算能力的物理系統”（1982年）（被稱為Hopfield網絡），以及與D. W. Tank 合著的 “優化問題中決策的神經計算”（1985 年）。他目前的研究和近期發表的論文主要集中在如何將動作電位定時和同步用於神經生物學計算。
傑弗裡·辛頓（Geoffrey E. Hinton）
傑弗裡·埃弗裡斯特·辛頓，英國出生的加拿大計算機學傢和心理學傢，多倫多大學教授。以其在類神經網絡方面的貢獻聞名。辛頓是反向傳播算法和對比散度算法(Contrastive Divergence)的發明人之一，也是深度學習的積極推動者，被譽為“深度學習教父”。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瞭2018年的圖靈獎。
來源：諾貝爾獎委員會官網、歐米伽未來研究所微信公眾號、返樸、知識分子