劃重點(diǎn)
012024年諾貝爾物理學(xué)獎(jiǎng)授予美國(guó)普林斯頓大學(xué)的約翰霍普菲爾德和加拿大多倫多大學(xué)的杰弗里欣頓，以表彰他們?cè)谌斯ど窠?jīng)網(wǎng)絡(luò)領(lǐng)域的突破性發(fā)明。
02兩位獲獎(jiǎng)?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(chǔ)和重現(xiàn)，而辛頓發(fā)明的玻爾茲曼機(jī)則用于特征提取和降維處理。
03肖仰華表示，AI值得諾獎(jiǎng)，因?yàn)槠湓诟淖兪澜�，包括科學(xué)研究范式。
04此外，跨學(xué)科研究在人工智能領(lǐng)域展現(xiàn)出巨大潛力，如物理學(xué)為機(jī)器學(xué)習(xí)提供工具，同時(shí)機(jī)器學(xué)習(xí)也為物理學(xué)帶來啟發(fā)。
05此次諾貝爾物理學(xué)獎(jiǎng)花落機(jī)器學(xué)習(xí)，引起了計(jì)算機(jī)領(lǐng)域的震動(dòng)和興奮，看到了利用物理等相關(guān)方法開展計(jì)算機(jī)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(xué)獎(jiǎng)爆冷頒給兩位機(jī)器學(xué)習(xí)科學(xué)家。機(jī)器學(xué)習(xí)為何值得諾貝爾物理學(xué)獎(jiǎng)？
10月8日，復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院教授、博導(dǎo)、上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室主任肖仰華在接受澎湃科技采訪時(shí)表示，“神經(jīng)網(wǎng)絡(luò)的兩種基本實(shí)現(xiàn)機(jī)制之所以受到物理獎(jiǎng)的青睞，是因?yàn)檫@兩個(gè)模型的設(shè)計(jì)受到了物理學(xué)方法的啟發(fā)，都和統(tǒng)計(jì)物理中的伊辛模型（Ising Model，一類描述物質(zhì)相變的隨機(jī)過程模型）有著高度關(guān)系，完全可以從統(tǒng)計(jì)物理學(xué)角度重新解讀兩個(gè)網(wǎng)絡(luò)模型。”
“AI值得諾獎(jiǎng)，或者說不把諾獎(jiǎng)發(fā)給AI，諾獎(jiǎng)可能就不會(huì)那么重要，畢竟AI在改變而且深刻改變世界，包括科學(xué)研究范式。”上海交通大學(xué)物理與天文學(xué)院、自然科學(xué)研究院教授洪亮告訴澎湃科技。
瑞典皇家科學(xué)院8日宣布，將2024年諾貝爾物理學(xué)獎(jiǎng)授予美國(guó)普林斯頓大學(xué)的約翰霍普菲爾德和加拿大多倫多大學(xué)的杰弗里欣頓。視覺中國(guó) 圖
“AI值得諾獎(jiǎng)”
普林斯頓大學(xué)的約翰J霍普菲爾德（John J. Hopfield）和加拿大多倫多大學(xué)的杰弗里E辛頓因“通過人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明”，獲得2024年諾貝爾物理學(xué)獎(jiǎng)。獲獎(jiǎng)?wù)邔⒐蚕?100萬瑞典克朗（約合745萬元人民幣）獎(jiǎng)金。
今年的兩位諾貝爾物理學(xué)獎(jiǎng)得主約翰霍普菲爾德和杰弗里辛頓從20世紀(jì)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(xué)的工具來開發(fā)方法，這些方法是當(dāng)今強(qiáng)大的機(jī)器學(xué)習(xí)的基矗肖仰華介紹，兩位諾獎(jiǎng)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。霍普菲爾德網(wǎng)絡(luò)可用于數(shù)據(jù)的存儲(chǔ)和重現(xiàn)，辛頓發(fā)明的玻爾茲曼機(jī)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(xué)中自旋系統(tǒng)和能量態(tài)分布概念，將復(fù)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(duì)稱連接和能量函數(shù)，用于存儲(chǔ)和檢索模式。大腦就像一個(gè)巨大的記憶庫，能夠通過一點(diǎn)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(jī)，這是對(duì)霍普菲爾德網(wǎng)絡(luò)的擴(kuò)展。玻爾茲曼機(jī)引入了隨機(jī)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(jī)能夠跳出局部最小值，找到全局最優(yōu)解。
洪亮表示，機(jī)器學(xué)習(xí)獲得諾貝爾物理學(xué)獎(jiǎng)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(jī)。但更深層次原因在于，“AI值得諾獎(jiǎng)，或者說不把諾獎(jiǎng)發(fā)給AI，諾獎(jiǎng)可能就不會(huì)那么重要，畢竟AI在改變而且深刻改變世界，包括科學(xué)研究范式。”
跨學(xué)科研究彰顯潛力
正如諾獎(jiǎng)官方評(píng)價(jià)稱，物理學(xué)為機(jī)器學(xué)習(xí)的發(fā)展提供了工具，物理學(xué)作為一個(gè)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(zhǎng)期以來，機(jī)器學(xué)習(xí)一直被用于以前諾貝爾物理學(xué)獎(jiǎng)中熟悉的領(lǐng)域，包括用機(jī)器學(xué)習(xí)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(jì)算和預(yù)測(cè)分子和材料的性質(zhì)，比如計(jì)算蛋白質(zhì)分子的結(jié)構(gòu)，或者計(jì)算出可用于更高效的太陽能電池的材料。
“諾貝爾物理學(xué)獎(jiǎng)授予機(jī)器學(xué)習(xí)，跨學(xué)科研究彰顯出巨大潛力。”肖仰華表示，跨學(xué)科研究或?qū)⑷〉脛?chuàng)新性成果，從而受到世界級(jí)獎(jiǎng)項(xiàng)的認(rèn)可。物理學(xué)甚至傳統(tǒng)自然學(xué)科經(jīng)過幾百年的發(fā)展沉淀了大量理論和方法，對(duì)于人工智能這樣的新興學(xué)科有著巨大啟發(fā)和參考意義。“在人工智能及其他新興學(xué)科的漫長(zhǎng)發(fā)展道路中，以更加開放的跨學(xué)科視野，融合傳統(tǒng)自然學(xué)科的理論和方法，發(fā)展新興學(xué)科，解決新興學(xué)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(xué)獎(jiǎng)花落機(jī)器學(xué)習(xí)，也引起了計(jì)算機(jī)領(lǐng)域的震動(dòng)和興奮，看到了利用物理等相關(guān)方法開展計(jì)算機(jī)研究的可能性和前景。這是物理獎(jiǎng)歷史上第一次授予計(jì)算機(jī)領(lǐng)域的科學(xué)家。在為數(shù)不多的獲得諾貝爾獎(jiǎng)的計(jì)算機(jī)專家中，中國(guó)科學(xué)院外籍院士、1975年圖靈獎(jiǎng)得主司馬賀（Herbert A. Simon）曾在1978年獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)。
值得注意的是，辛頓因在深度學(xué)習(xí)方面的貢獻(xiàn)與約書亞本希奧和楊立昆一同被授予了2018年的圖靈獎(jiǎng)，而約翰霍普菲爾德還不曾獲得計(jì)算機(jī)領(lǐng)域的這一最高獎(jiǎng)。肖仰華表示，這也表明，在不同學(xué)科視角下，對(duì)科學(xué)貢獻(xiàn)的看法是不同的。
