2024年10月8日，瑞典皇家科学院宣布将本年度诺贝尔物理学奖授予美国新泽西州普林斯顿大学的约翰·J·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学的杰弗里·E·辛顿（Geoffrey E. Hinton），以表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。这一决定不仅凸显了人工智能在当代科学研究中的重要地位，也展示了物理学在推动AI技术发展中的关键作用。

诺贝尔物理学奖委员会主席艾伦·穆恩斯在颁奖典礼上表示，获奖者的工作已经产生了巨大的效益，尤其是在将人工神经网络应用于更广泛的物理学领域，如开发具有特定性能的新材料方面。这一评价深刻反映了物理学与人工智能之间的紧密联系和相互促进。

霍普菲尔德和辛顿的研究始于20世纪80年代，他们利用物理学的工具开发了当今强大机器学习的基础方法。霍普菲尔德提出了一种能够保存和重新创建模式的网络，这种网络后来被称为Hopfield网络，为循环神经网络（RNN）以及长短记忆网络（LSTM）和Transformer的发展奠定了基础。而辛顿则更为人熟知，他被誉为“人工智能教父”，在神经网络方面的开创性工作塑造了为当今许多产品提供动力的人工智能系统。

辛顿的贡献包括提出了受限玻尔兹曼机（rbm）以及反向传播算法，这些技术至今仍在使用，并在深度学习领域发挥了关键作用。他开发的玻尔兹曼机成为了生成模型的早期例子，被广泛应用于图像分类、推荐系统等领域。辛顿还曾在谷歌工作，帮助开发AI技术，并在2018年因在深度学习方面的卓越贡献与约书亚·本希奥和杨立昆一同被授予图灵奖。

然而，辛顿近年来对人工智能的发展表达了深深的担忧。他认为，随着AI技术的不断进步，人类很难阻止坏人利用AI来做坏事。辛顿担心这些技术的未来版本会对人类构成真正的威胁，甚至可能导致大量工作岗位消失，人们无法分辨真实与虚假。因此，他在2023年离开了谷歌，以追求完全自由地讨论和警示人工智能所带来的危险。

辛顿的这一转变标志着科技行业的一个重要时刻，他从“人工智能先驱”转变为“末日先知”，凸显了人们对人工智能风险的日益关注以及行业透明度和监管的必要性。他的担忧也引发了全球范围内的广泛讨论，促使人们更加深入地思考如何平衡人工智能的发展与监管。

尽管存在这些担忧，但物理学界和人工智能界普遍认为，诺贝尔物理学奖授予霍普菲尔德和辛顿是对他们开创性工作的肯定，也是对未来人工智能与物理学交叉融合的期待。这一决定有望进一步推动AI技术的发展，并在科学、工程和日常生活中产生更深远的影响。

值得注意的是，诺贝尔物理学奖颁给计算机科学家实属罕见，但这也反映了当前学科交叉融合的趋势。随着信息技术的不断发展，物理学、计算机科学、神经科学等多个学科之间的界限越来越模糊，交叉研究已经成为推动科技创新的重要途径。

来源：金融界