为什么诺贝尔物理学奖，颁给了 AI 专家？

凌晨两点，手机突然响起。杰弗里·辛顿（Geoffrey Hinton）的第一反应是——谁这么晚了还来打扰？当时，这位77岁的“AI教*父”正窝在加州一家酒店里，信号差得要命，电话那头还断断续续。他那天本来打算去做个核磁共振，检查一下身体。直到听出对方浓重的瑞典口音，且不止一个人，他才猛然意识到：这电话是从瑞典打来的，诺贝尔奖委员会。

这通电话彻底打乱了他的日程，也标志着他多年来在神经网络与机器学习领域的研究，终于得到了世界最高级别的认可。

北京时间2024年10月8日，诺贝尔物理学奖正式授予杰弗里·辛顿和约翰·霍普菲尔德（John J. Hopfield），以表彰他们在机器学习与人工神经网络领域的基础性发现和发明。91岁的霍普菲尔德接到消息时，同样“有些震惊”。

2024年诺贝尔物理学奖得主约翰·霍普菲尔德和杰弗里·辛顿｜诺贝尔官网

消息一出，很多人心里都冒出一个问号：诺贝尔物理学奖，怎么会颁给一个看起来跟物理学八竿子打不着的计算机和AI领域？

01 物理学与计算机神经网络的交汇

约翰·霍普菲尔德和杰弗里·辛顿，从上世纪80年代起就在人工神经网络领域埋下了关键的种子。

人工神经网络，说白了就是模仿大脑的工作方式——用计算节点模拟神经元，通过类似突触的连接传递信息。训练过程中，某些连接被强化，另一些被抑制，系统由此学会从复杂数据中提取模式。这，就是今天所有AI技术的基础。

1980年代，拥有物理学背景的霍普菲尔德，开始把物理学概念往人工神经网络里搬，尤其是自旋玻璃模型。他的突破在于：基于物理学的自旋系统，设计出一种能存储和重建信息的联想记忆模型——这就是后来大名鼎鼎的“霍普菲尔德网络”。

这个网络的核心思想并不复杂：每个节点好比图像中的一个像素，节点之间有能量状态，网络的目标就是不断调整节点之间的连接权重，让整个系统的能量降到最低，找到最稳定、最省力的那个状态。这时候网络输出的图案，就是重建后的完整图案。换句话说，机器可以像人一样，看到残缺的图片就能想起它原本的样子——从部分输入中提取出整体信息。

接着，在这个基础上，杰弗里·辛顿把人工神经网络推向了新高度。他借助统计物理学的工具，尤其是19世纪物理学家路德维希·玻尔兹曼的统计模型，开发了“玻尔兹曼机”。这个模型的核心是概率——辛顿意识到，数据中的模式完全可以通过计算“可能性”来识别。机器能学会哪些模式更常见，哪些更罕见。训练好的玻尔兹曼机，甚至可以认出它从未见过的信息中那些熟悉特征。

到了90年代，很多研究人员对人工神经网络失去了兴趣，但辛顿是少数坚持下来的人之一。进入21世纪后，他又和同事用层层玻尔兹曼机做预训练，给网络中的连接提供一个更好的起点，大大优化了图像识别的训练过程。

霍普菲尔德网络与玻尔兹曼机｜图片来源：瑞典皇家科学院

正是自80年代以来的这些工作，为大约2010年开始的机器学习革命奠定了基石。说到底，他们当年的突破性贡献，首先源于对物理学中复杂系统的深刻理解——把物理学的工具和概念拿过来，用在了神经网络上。而反过来，现代物理学本身也从人工神经网络中大受裨益：如今人工神经网络已经成为物理学中强大的计算工具，广泛用于量子力学、粒子物理学等领域。

诺贝尔物理学奖委员会主席指出：“得主的工作已经带来了巨大的益处。在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定属性的新材料。”诺奖官方进一步解释：“机器学习长期以来一直用于我们熟悉的领域，比如筛选和处理发现希格斯玻色子所需的大量数据，降低碰撞黑洞引力波测量中的噪声，寻找系外行星。近年来，这项技术也开始用来计算和预测分子与材料的特性——比如计算决定蛋白质分子结构，或确定哪种新材料最适合做高效太阳能电池。”

02 物理或者AI，都在尝试理解世界本质

虽说霍普菲尔德和辛顿的贡献灵感来源于物理学，他们的成果也反哺了物理学和其他领域。但这次诺贝尔物理学奖，还是引发了不小的讨论和争议。网友们争论的焦点很直接：这两位得主的贡献，到底算不算物理？甚至有人调侃，诺贝尔委员会是不是想“蹭AI热点”。

诧异声之大，以至于诺奖官方都亲自下场发起投票：“你知道机器学习的模型是基于物理学方程的吗？”

诺奖官方下场问网友：你知道机器学习的模型是基于物理学方程的吗？｜图片来源：X

AI领域的从业者们自然也加入讨论。智源研究院创始人张宏江表示：“Hinton 2006年利用RBM做DNN自监督预训练，成功训练深度神经网络，可以说是这轮AI革命的先声。Hopfield网络为RBM奠定了基础。接下来看看AlphaFold能不能拿生理学奖。”出门问问创始人兼CEO李志飞则认为：“数学模型用在物理和人工智能方面本质都是建模，只不过前者的建模对象是物理世界，后者的建模对象是智能。这样解释是不是听起来靠谱点？”

地平线创始人余凯则从更宏观的视角出发：“物理学研究的目的是理解自然界中物理系统的本质规律，从而去创造和发明自然界不存在的物理系统。比如从鸟可以研究空气动力学，但基于空气动力学并不是构建鸟，而是构建飞机火箭。人工智能的目的在于研究自然界中智能系统的本质机理，目的是去构建有可能更加智能的新的物理学系统。”他还注意到，这次的诺贝尔奖物理学奖得主都有物理学背景，有人甚至是从统计物理角度看神经网络的，“早期搞人工智能的很多都是物理学背景”。

横跨多个学科领域的霍普菲尔德｜图片来源：诺奖委员会

争议归争议，霍普菲尔德与辛顿的成果获得诺贝尔物理学奖这一事实，除了证明人工智能如今的突破与火热，还点明了一个重要信息：科学的突破，完全可以不局限于单一领域的定义，跨学科合作自有其不可替代的力量。

看看霍普菲尔德本人就知道了。他拥有物理学博士学位，早期职业生涯在贝尔实验室研究凝聚态物理。但当他在这个领域的问题耗尽时，他转身投入了生物物理学——把固态物理学的概念用来理解生物系统如何合成蛋白质。70年代末，他又进入了神经科学领域，把理论物理学的技能用在了大脑问题上，这才有了后来的开创性贡献。

什么是物理学？霍普菲尔德曾在他的自传里这样写道：“对我来说——因为我父母都是物理学家——物理学不是某种学科。原子、对流层、核、玻璃块、洗衣机、自行车、留声机、磁铁——这些只是偶然的研究对象。核心思想是世界是可以理解的，你应该能够拆解任何东西，理解其组成部分之间的关系，进行实验，并基于此建立对其行为的定量理解。”在他看来，“物理学是一种观点，认为我们周围的世界通过努力、创造力和足够的资源是可以在预测和定量的方式下理解的。”

至于杰弗里·辛顿，他本科在剑桥大学尝试了生理学、物理学、哲学，直到1970年拿到实验心理学学位。1972年进入爱丁堡大学攻读人工智能博士之前，他还做过一段时间木匠。当诺奖工作人员问他“如何形容自己？认为自己是一名计算机科学家，还是从事这项工作时试图了解生物学的物理学家？”辛顿的回答是：“我会说我是一个不太清楚自己从事什么领域，但想了解大脑如何运作的人。在我试图理解大脑工作原理的过程中，我帮助创造了一项出乎意料的有效的技术。”

这个回答传递的信息很清晰：不管你把他归入哪个领域，可能都不那么重要，重要的是他到底创造了什么。

AI教*父杰弗里·辛顿｜图片来源：TIME100 AI

事实上，奖项的设立有其历史背景和局限。如果当年的设置者还在世，说不定也愿意设立一个跨学科奖——目的都一样：褒奖那些推动人类知识进步的探索者。

最后，辛顿还传递了一个不太轻松的信号。他希望获得诺贝尔奖能让他“更具说服力”，让人们更认真对待他提出的对AI的担忧。“在这些事物失控并接管的生存威胁方面，我认为我们正处于历史上的一个分叉点，在未来几年内，我们需要找到解决这一威胁的方法。”——这是他如今最想让人听见的声音。