就在刚刚，2024 年诺贝尔物理学奖揭晓。

机器学习专家 John J. Hopfield（约翰·霍普菲尔德）、「AI 教父」Geoffrey E. Hinton（杰弗里·辛顿）荣获此奖，以表彰他们「基于人工神经网络实现机器学习的基础性发现和发明」。

值得一提的是， 杰弗里·辛顿也是历史上首位同时获得诺贝尔物理学奖和图灵奖的双料得主。

诺贝尔物理学委员会主席艾伦·穆恩斯表示，「获奖者的工作已经带来了巨大的好处。在物理学中，我们在许多领域使用人工神经网络，例如开发具有特定性质的新材料。」

有趣的是，没有人想到物理学奖会颁给 AI，甚至连杰弗里·辛顿也没有想到。

在今天宣布诺贝尔奖的新闻发布会上，他在线上发言道：

我在加利福尼亚的一家经济型酒店，那里没有良好的互联网或手机信号。我今天本打算做核磁共振扫描，但我得取消了！

对于他个人使用的 AI 工具，杰弗里·辛顿在发布会上透露他会使用 GPT-4。尽管他对 GPT-4 的输出持保留态度，但他承认，每当遇到不确定的问题时，他会向 GPT-4 寻求帮助。

杰弗里·辛顿是 AI 领域的巨擘，也是深度学习的先驱。他被认为是与 Yoshua Bengio 和 Yann LeCun 齐名的 「人工智能教父 」之一。

他于 1970 年在剑桥获得实验心理学学士学位，并于 1978 年在爱丁堡获得人工智能博士学位。

辛顿因其在人工神经网络方面的工作而享誉国际，特别是如何在没有人类的协助下，通过设计让 AI 实现自主学习。

他于 1998 年当选为皇家学会（FRS）院士，并于 2001 年成为鲁梅尔哈特奖的第一位获奖者。

辛顿还为人工智能领域培养了一批顶尖人才，他的学生们同样在行业中扮演着重要角色，当中就包括 OpenAI 前任首席科学家 Ilya Sutskever。

此前，辛顿一直为 Google 工作长达十年之久。

辛顿对人工智能对就业市场的影响持乐观态度，GPT-4 发布后不久，辛顿还将 GPT-4 称作「人类的蝴蝶」。

「毛毛虫提取营养物质，转化为蝴蝶。人们已经提取了数十亿的理解信息，让 GPT-4 化作人类的蝴蝶。」

但他也愈发担心人工智能的道德影响，例如照片、视频和文本中虚假信息的扩散，以及 AI 带来的潜在风险。

「我对自己毕生的工作，感到非常后悔。我找了一个借口来安慰自己，即便我没有做这些工作，依然有其他人会做。」

对于 AI 的未来，他曾忧心忡忡地说道：

我估计在五到二十年之间。人工智能有 50% 的概率会比我们更聪明。当它变得比我们更聪明时，我不知道它接管的概率有多大，但在我看来，这是很有可能的。

附诺贝尔物理学奖官方新闻稿：

今年的两位诺贝尔物理学奖获得者利用物理学工具开发了现代强大机器学习的基础方法。约翰·霍普菲尔德创造了一种联想记忆，能够存储和重建图像及其他数据模式。杰弗里·辛顿则发明了一种能够自主识别数据属性的方法，从而执行识别图像中特定元素等任务。

谈到人工智能时，我们通常指的是使用人工神经网络的机器学习。这项技术最初受大脑结构的启发。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。这些节点通过类似突触的连接相互影响，并可以变得更强或更弱。

网络的训练，例如，通过在同时具有高值的节点之间建立更强的连接。今年的获奖者自 1980 年代起就在人工神经网络领域进行了重要工作。

约翰·霍普菲尔德发明了一种保存和重建模式的方法网络。我们可以将节点视为像素。霍普菲尔德网络利用描述材料特性与原子自旋相关的物理学——这一特性使每个原子成为微小的磁体。

整个网络以与物理学中自旋系统的能量相当的方式进行描述，并通过寻找节点之间连接的值进行训练，以确保保存的图像具有低能量。

当霍普菲尔德网络接收到扭曲或不完整的图像时，它会系统性地处理节点并更新其值，使网络的能量降低。网络逐步寻找与输入的瑕疵图像最相似的保存图像。

杰弗里·辛顿则以霍普菲尔德网络为基础，开发了一种不同的方法：玻尔兹曼机。

该机器能够学习识别特定类型数据中的特征元素。辛顿利用统计物理学的工具，这是一门研究由许多相似组件构成的系统的科学。该机器通过输入在运行时非常可能出现的示例进行训练。

玻尔兹曼机可用于分类图像或创建与其训练模式相同的新示例。辛顿在此基础上进一步研究，帮助推动了当前机器学习的爆炸性发展。