今年，瑞典皇家科学院将诺贝尔物理学奖颁给了两位人工智能界的先驱人物：John Hopfield和Geoffrey Hinton。Hopfield现年91岁，是美国普林斯顿大学的教授，而Hinton现年76岁，是加拿大多伦多大学的教授。

本届诺贝尔物理学奖授予Hopfield于20世纪80年代初开发的一项名为霍普菲尔德神经网络的技术，以及Hinton在随后几年间帮助建立的相关技术玻尔兹曼机。Hopfield和Hinton提出的开创性方法和概念在塑造人工神经网络领域方面发挥了重要作用。此外，Hinton在将这些方法扩展到深度和密集ANN方面也发挥了主导作用。

他们的突破建立在物理科学的基础之上，为人类使用计算机来应对社会所面临的许多挑战指明了一条全新的道路。简而言之，由于他们的工作，人类现在的工具箱里多了一种新工具，人类可以选择将其用于有益的目的。

以人工神经网络（ANN）为基础的机器学习起源于20世纪40年代，经过30多年的发展，已发展成为一种强大的多功能工具，既可用于日常应用，也可用于先进的科学应用。有了ANN，物理学的边界被扩展到生命现象和计算。受大脑中生物神经元的启发，ANN是由「突触」或加权耦合连接的「神经元」或节点组成的大型集合，其基本结构与应用于磁学或合金理论的统计物理学自旋模型非常相似。

今年的诺贝尔物理学奖，就在表彰利用这种联系在ANN领域取得突破性方法论进展的研究。目前，基于ANN的机器学习正在彻底改变科学、工程和日常生活。该领域已经在为建设可持续发展的社会取得突破性进展，如帮助确定新的功能材料。未来如何应用基于ANN的机器学习，取决于人类如何选择使用这些已经存在于生活许多方面的强大工具。

获奖消息一出，包括Hopfield与Hinton本人在内的众多物理学家与人工智能专家纷纷表示意外。Hinton在电话中对瑞典皇家科学院说：「我不知道会发生这种事。我感到非常惊讶。」

许多人感叹：从物理学到机器学习和人工智能？所以我们真的生活在模拟中吗？也有人质疑：这不是图灵奖（此奖常被称为「计算机界的诺贝尔奖」）的用途吗……一位网友直言，「他们的工作具有重要的基础意义，值得获得诺贝尔奖。但这不属于物理学，物理学是一门试图理解物理宇宙原理和动力学的科学。」

不可否认的是，Hinton确实并非物理学家。此前，在一场学术会议上，甚至有人戏谑地介绍他「物理不及格、放弃心理学，而后投身于一个完全没有标准的领域：人工智能。」作为一位以冷面自嘲式幽默而闻名的英国人，Hinton还特别喜欢这个段子，只是总会再加上句解释：「我可不是物理不及格，然后放弃了心理学。应该说我心理学不及格，然后放弃了物理——这么说效果更炸裂。」

有意思的是，Hinton在2012年和他两名学生（Ilya Sutskever和Alex Krizhevsky）创办刚一个月的公司DNNresearch，曾被百度、微软、谷歌和DeepMind四家科技巨头「竞拍」，最终Hinton主动喊停，以4400万美元将公司卖给了谷歌。2019年， Hinton还凭借与其他三人在神经网络方面的工作获得过图灵奖。去年，他辞去谷歌研究员一职，并警告称他帮助建立的人工智能技术有朝一日可能会毁灭人类。此话一出迅速引起全球关注。

在得知Hinton获得诺贝尔物理学奖后不久，《纽约时报》就通过电话联系到他，与其进行了一场访谈。访谈中，Hinton正面回应了其工作成果与物理学的关系，以及他本人对于此次获颁诺贝尔物理学奖的解释。

以下访谈内容经过编辑和提炼：

《纽约时报》：听到今天早上（10月8日）的新闻，您的第一反应是什么？

Geoffrey Hinton：有震惊、有意外，反正是目瞪口呆吧。我自己压根没想到会得奖。

《纽约时报》：神经网络属于计算机技术，这跟物理学有什么关系？

Geoffrey Hinton：霍普菲尔德神经网络及其进一步发展（被称为玻尔兹曼机）均依托于物理学成果。霍普菲尔德神经网络使用到能量函数，而玻尔兹曼机则遵循统计物理学的思想。因此，神经网络发展在该阶段中确实很大程度依赖于物理学领域的思想。但实际上，用于构建如今常见的AI模型的是另一种不同的技术（即反向传播），这就跟物理学关系不大了。

《纽约时报》：玻尔兹曼机跟反向传播之间有什么关联？

Geoffrey Hinton：目前来看，两者之间并没有太大联系。它们属于指导神经网络运行方式的两种并行理论。研究早期，我曾设法通过使用玻尔兹曼机「预训练」反向传播网络来将二者结合起来，但现在人们已经放弃了这方面尝试。

《纽约时报》：您提到的预训练是什么意思？

Geoffrey Hinton：想要长一点的答案，还是短一点的？

《纽约时报》：能不能用《纽约时报》读者可以理解的语言做通俗解释？

Geoffrey Hinton：那我就引用物理学家理查德·费曼获得诺贝尔奖时说过的话吧。一位记者问他，「费曼先生，你能用几分钟解释一下自己获得诺贝尔奖的原因吗？」费曼非常明确地回应道，「老兄，如果我能用几分钟就解释清楚，那这项发现就不值得拿诺贝尔奖了。」

《纽约时报》：那是不是可以这样理解，玻尔兹曼机像是AI发展的一条死胡同——后来的研究又选择了其他方向？

Geoffrey Hinton：我觉得更准确的说法应该是，玻尔兹曼机就像一种酶。酶本身能攻克很多障碍，但有可能并不是生成最终产物或者解决方案的一部分。玻尔兹曼机帮助我们克服了「如何训练深度神经网络」这道障碍，大大降低了其训练难度。而一旦我们掌握了这种训练能力，也就不再需要玻尔兹曼机了。

《纽约时报》：您是否直接就这些课题与John Hopfield博士开展过合作？

Geoffrey Hinton：没有，但我读过他的论文。我的主要合作者之一Terry Sejnowski倒是曾经跟Hopfield合作过，并在Hopfield的指导下获得了博士学位。

《纽约时报》：您是否会觉得自己获颁物理学奖有点奇怪？

Geoffrey Hinton：如果诺贝尔奖中有计算机科学分支，那我们的工作显然更适合。但可惜没有。

《纽约时报》：您这个解释倒是明确易懂。

Geoffrey Hinton：这不只是解释，也是种暗示。

《纽约时报》：没错，也许我们也该设立计算机科学诺贝尔奖了。总而言之，您因帮助开发了一项您如今担心会给人类带来严重威胁的技术而获得了诺贝尔奖，对此您想说点什么？

Geoffrey Hinton：获得诺贝尔奖之后，人们可能会更认真地看待我的观点。

《纽约时报》：您的意思是，人们可能会更认真地看待您关于AI未来的风险警告吗？

Geoffrey Hinton：没错。

参考链接：

https://www.nobelprize.org/uploads/2024/09/advanced-physicsprize2024.pdf

https://www.nytimes.com/2024/10/08/technology/nobel-prize-geoffrey-hinton-ai.html

--AI前线