每經記者 鄭雨航    每經實習記者 岳楚鵬    每經編輯 蘭素英    

2024年諾貝爾物理學獎讓許多人驚呼——物理學不存在了！因為它頒給了計算機科學家約翰?霍普菲爾德（John J. Hopfield）和杰弗里?辛頓（Geoffrey E. Hinton），理由是他們為機器學習奠定了基礎，為今天包括ChatGPT在內的人工智能（AI）鋪平了道路。

毫無疑問，這一結果讓很多人出乎意料，因為機器學習并非傳統物理學的分支領域。有網友調侃稱，這是把圖靈獎該干的活兒干了吧，也有科學家表達了不解，“人工神經網絡對物理學研究產生了深遠的影響，但可以說它們本身就是物理學研究的成果嗎？”

面對外界的疑問，諾貝爾獎官方不得不在X平臺上回應：“您是否知道機器學習模式是基于物理方程的？”同時，諾貝爾獎委員會也表示，利用人工神經網絡的機器學習能夠快速理解大量數據，已經在科學研究中發揮了重要作用，包括在物理學領域，它被用于創造“具有特定屬性的新材料”。諾貝爾物理學委員會成員Anders Irbäck教授盛贊道：“他們都是真正的先驅者，尋找到了解決問題的新方法。”

其實，不單是“吃瓜群眾”，作為獲獎者之一的辛頓本人也是一臉驚訝，“完全沒想到會發生這種事。”

在獲獎之余，辛頓還就AI安全發出了警告。他認為，擁有比人類更聰明的技術“在很多方面都是好事”，但“這一切的后果可能是，比我們更聰明的系統最終會掌控一切”。 

圖片來源：諾貝爾獎委員會X平臺賬號 

最出人意料的諾貝爾物理學獎 

北京時間10月8日下午5點45分，美國和加拿大科學家約翰·霍普菲爾德和被外界稱為“AI教父”的杰弗里·辛頓被授予諾貝爾物理學獎，以表彰他們通過人工神經網絡實現機器學習的基礎性發現和發明，幫助計算機以更接近人腦的方式學習，為AI的發展奠定了基礎。

該獎項是對AI在人們生活和工作方式中日益重要的地位的認可。諾貝爾物理學委員會主席艾倫·穆恩斯（Ellen Moons）表示：“獲獎者的工作已經帶來了巨大的好處。在物理學中，我們在廣泛的領域使用人工神經網絡，例如開發具有特定性能的新材料。”

諾貝爾獎委員會在X平臺上的帖子上表示，霍普菲爾德博士和辛頓博士的突破“立足于物理科學的基礎之上”，“他們為我們展示了一種全新的方式，讓我們能夠利用計算機來幫助和指導我們應對社會面臨的許多挑戰”。

不過這一結果也讓無數網友大吃一驚，之前誰也沒料到諾貝爾物理學獎居然會頒給計算機科學相關的研究。有網友驚呼，“這是個玩笑嗎？這應該是圖靈獎該干的事兒呀。”

不單是網友，也有科學家表示不解。南安普頓大學計算機科學家、聯合國AI顧問溫迪·霍爾教授表示，她對這一獎項的頒發感到驚訝。“諾貝爾獎沒有設立計算機科學獎，以這種方式來頒發此獎是一種有趣的方式，但似乎有點牽強，”她說。“顯然，人工神經網絡對物理學研究產生了深遠的影響，但可以說它們本身就是物理學研究的成果嗎？”

面對外界的疑問，諾貝爾獎官方都不得不在X平臺上解釋說：“您是否知道機器學習模式是基于物理方程的？”

圖片來源：X平臺

其實，不單是外界，獲獎者辛頓本人都沒想到自己能夠“跨界”獲得諾貝爾物理學獎。

他在接到諾貝爾獎委員會的電話時說道：“我完全沒想到會發生這種事。”當時他正在加州一家“廉價酒店”，他表示，這消息簡直是“出乎意料”。“我本來打算今天去做核磁共振掃描，但我覺得我不得不取消了。” 

他們有何貢獻？

辛頓出生于倫敦郊外，自20世紀70年代末以來，他大部分時間都生活和工作在美國和加拿大。

20世紀70年代初，辛頓在愛丁堡大學讀研究生時開始研究神經網絡，當時很少有研究人員認為這個想法會成功。直到2012年，他終于與其學生一起取得了突破。2013年，辛頓加入了谷歌，到2023年5月，他從谷歌離職。自那以后，他持續公開呼吁謹慎對待AI技術，成為旨在引導AI系統、使其行為符合設計者利益和預期目標的“AI對齊派”的代表。

2019年，辛頓與蒙特利爾大學計算機科學教授約書亞·本吉奧（Yoshua Bengio）和Meta首席AI科學家楊立昆（Yann LeCun）因在神經網絡方面的工作共同獲得了圖靈獎，該獎通常被譽為“計算機界的諾貝爾獎”。

相較于辛頓，霍普菲爾德則是一個正統的物理學家，因在計算機科學、生物學和物理學領域的開創性研究而聞名。他如今在普林斯頓大學擔任名譽教授。

霍普菲爾德于1933年生于美國伊利諾伊州芝加哥，1958年在貝爾實驗室開始了他的職業生涯，主要研究固體物質的特性。1961年，他以助理教授的身份前往加州大學伯克利分校，并于1964年加入普林斯頓大學物理系。十六年后，他前往加州理工學院擔任化學和生物學教授，并于1997年回到普林斯頓大學，在分子生物學系任職。

20世紀80年代時，霍普菲爾德的工作重點是研究大腦過程如何指導機器保存和復制模式。1982年，他開發了一種神經網絡模型來描述大腦是如何進行聯想、回憶的，即霍普菲爾德網絡，這使得機器能夠使用人工神經網絡“存儲”記憶，構成了現在所有神經網絡的基礎。

根據瑞典皇家科學院的公告，辛頓以霍普菲爾德網絡為基礎，發明了一個采用不同方法的新網絡：玻爾茲曼機（the Boltzmann machine），通過輸入機器運行時很可能出現的示例來訓練機器。玻爾茲曼機可用于對圖像進行分類，或創建訓練模式類型的新示例。辛頓在此基礎上繼續發展，幫助開啟了機器學習的爆炸式發展。他在神經網絡方面的開創性研究為ChatGPT等AI系統鋪平了道路。

更值得一提的是，OpenAI聯合創始人、前首席科學家伊爾亞·蘇茨克維（Ilya Sutskever）也是辛頓的學生。他們兩人和另一名計算機科學家亞歷克斯·克里澤夫斯基（Alex Krizhevsky）還一起發明了卷積神經網絡AlexNet。 

辛頓發出AI安全警告

雖然辛頓因為其在機器學習領域的研究獲得了諸多殊榮，但現在的他更多的精力集中在推動AI安全發展上。在諾貝爾獎委員會向其宣布獲獎喜訊時，他也不忘就AI技術的危險性向外界發出警告。

辛頓擔憂地表示：“我認為它（AI）將產生巨大的影響。它將與工業革命相媲美，它不會在體力上超越人類，而是會在智力上超越人類。”

辛頓表示，擁有比人類更聰明的技術“在很多方面都是好事”，這將帶來醫療保健的大幅改善、更好的數字助理以及生產力的大幅提升。“但我們也必須擔心一些可能的不良后果，尤其是這些事情失控的威脅，”他補充道。“我擔心，這一切的后果可能是，比我們更聰明的系統最終會掌控一切。”

今年五月，辛頓接受記者采訪的時候甚至直白地稱，“很難想象如何阻止壞人利用它（AI）做壞事”。他表示，“未來5年~20年，AI有一半概率比人類聰明。當它們比我們更聰明時，我不知道我們被接管的可能性有多大，但在我看來，這很有可能。” 

伴隨著AI的飛速發展，人們對其安全性的憂慮在不斷上升。

今年6月，13位來自OpenAI和谷歌的現任及前任員工聯合發布了一封公開信，表達了對AI技術潛在風險的嚴重擔憂，并呼吁相關公司采取更加透明和負責任的措施來應對這些風險。

這封信也得到了辛頓的背書，信中指出，盡管AI技術可能會給人類帶來巨大益處，但其帶來的風險同樣不容忽視。這些風險包括加劇社會不平等、操縱和虛假信息傳播，以及自主AI系統失控可能導致的人類滅絕。