图灵奖得主拿了诺贝尔奖 今年的物理学奖“跑偏”了吗？｜2024诺贝尔物理学奖解读
新民晚报2024-10-08 20:33
不是揭晓前大热的任意子，而是另一种“大热”——现今席卷全球的AI。可以说，今年的诺贝尔物理学奖，出乎了很多人的意料——诺奖居然关注人工智能领域了！就连获奖者之一在接到电话时都说，“我没有想到！”
北京时间今天傍晚，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予美国普林斯顿大学约翰·霍普菲尔德和加拿大多伦多大学杰弗里·辛顿，以表彰他们“为利用人工神经网络进行机器学习做出的基础性发现和发明”。
真的，挺多人没想到——上海交通大学物理与天文学院&自然科学研究院教授、博士生导师洪亮看到结果揭晓的那一刻，也是不可置信。毕竟，诺贝尔物理学奖此前从未直接颁发给计算机科学相关的研究；更何况，两位获奖者中，有一位“纯纯”的计算机学家。
来源：诺贝尔奖官网（下同）
AI“老前辈”摘得诺奖
在AI飞速发展的今天，你是否想过这样一个问题：计算机是如何学会翻译语言、识别图像，甚至合理对话的呢？约翰·霍普菲尔德和杰弗里·辛顿，运用物理学的工具，构建了能够存储和重构信息、自主发现数据特征的方法，为今天强大的AI网络铺平了道路。
两位获奖者，是人工智能领域的“老前辈”了。人工智能“第一次浪潮”后，一度停滞不前。直到20世纪80年代，约翰·霍普菲尔德“登场”——他发明了“霍普菲尔德网络”。
简单来说，这个网络能够存储多个模式（比如图像），并且在给定不完整或有噪声的输入时，能够重构出最相似的存储模式——这一关键突破重新点燃了“第二次浪潮”。
“霍普菲尔德的灵感来自物理学中描述磁性材料的理论。”上海科技大学信息科学与技术学院副院长、副教授何旭明解释。霍普菲尔德的网络主要用于存储和检索信息；杰弗里·辛顿则更进一步，希望机器能像人类一样自主学习和分类信息——1985年，辛顿和同事提出了“玻尔兹曼机”。
“在神经网络领域，辛顿还有一项重要的工作是‘反向传播’。”何旭明说，1986年，辛顿与合作者撰写了一篇得到广泛引用的论文，推广了用于训练多层神经网络的反向传播算法。
“无论在机器学习、深度学习还是大模型中，‘反向传播’依然适用。”何旭明补充道。在多伦多大学深造期间，辛顿是其论文评审委员会主席，“那会儿深度学习还没有正式兴起，关注度还不高，但辛顿非常执着地向前推动，非常令人钦佩。”
值得一提的是，因在深度学习方面的贡献，杰弗里·辛顿还在2018年获得了图灵奖。
迎接AI驱动研究新范式
以往，大家都嘲笑诺贝尔化学奖是“理综奖”，说它“雨露均沾”。今年，诺贝尔物理学奖“不鸣则已，一鸣惊人”，颁给了机器学习，更“夸张”的是其中一位获奖者直接是计算机学家。
大奖揭晓，洪亮教授的好几个微信群都“炸”了，群内讨论激烈，不少物理学家有些“抵触”。“什么是物理？物理是认知世界的一种方法学。但今年的诺奖表明了一种态度：理解世界有另一种方法学，数据驱动——也就是AI。”洪亮说，AI可以帮助气象部门更准确、更长时间地预测天气，帮助生物学家预测蛋白质结构，也能帮助物理学家更精准控制核聚变……这在传统物理领域都需要通过精细的物理方程以及基于此的数值模拟来实现，现在深度神经网络已经显示出了比传统物理方案更强大、更快捷的解决能力。
就像新晋得主杰弗里·辛顿在得知获奖后说，自己会用GPT-4，尽管不完全相信GPT-4的答案，但一旦自己有什么不知道，便会去问一下，“在AI的辅助下，人们可以用更少的时间做更大范围的工作，这意味着生产力的巨大改善。”
诺贝尔物理学奖委员会主席艾伦·穆恩斯也表示：“获奖者的工作已经产生了巨大的效益。在物理学中，人工神经网络已经得到了广泛的应用，例如开发具有特定属性的新材料。”
“这次诺贝尔奖颁给了机器学习，也证明了物理学是一个开放的学科，物理学可能要迎来数据驱动（AI）范式变化的新时代。”洪亮表示，很多科学家因为斩获诺贝尔奖而声名鹊起，也有不少科学成果让诺奖更加熠熠生辉，或许今年的诺奖也在传递出这样一个信息：只有普罗大众能“看得见摸得着”的成果，才能让诺奖更加获得认可。
“得益于海量数据的可用性和计算能力的巨大提升，今天的人工神经网络和两位先驱提出理论时早已不可同日而语。”何旭明教授说，但物理学科的深刻洞见和计算机科学的创新“跨学科”邂逅，还是产生了令人惊叹、改变世界的成果。
新民晚报记者 郜阳
举报/反馈
0
0
收藏
分享
