2024年诺贝尔物理学奖颁给了计算机科学家约翰·霍普菲尔德（John J． Hopfield）和杰弗里·欣顿（Geoffrey E． Hinton），理由是他们为机器学习奠定了基础，为今天包括ChatGPT在内的人工智能（AI）铺平了道路。

　　毫无疑问，这一结果让很多人感到意外，因为机器学习并非传统物理学的分支领域。有网友调侃称，这是把图灵奖该干的事情给干了；也有科学家表达了不解——“人工神经网络对物理学研究产生了深远的影响，但可以说它们本身就是物理学研究的成果吗？”

　　面对外界的疑问，诺贝尔奖官方不得不在X平台上回应：“您是否知道机器学习模式是基于物理方程？”同时，诺贝尔奖委员会也表示，利用人工神经网络的机器学习能够快速理解大量数据，已经在科学研究中发挥了重要作用，包括在物理学领域，它被用于创造“具有特定属性的新材料”。诺贝尔物理学委员会成员Anders Irbäck教授盛赞道：“他们都是真正的先驱者，寻找到了解决问题的新方法。”

　　其实，不单是“吃瓜群众”，作为获奖者之一的欣顿本人也是一脸惊讶，“完全没想到会发生这种事”。

　　在获奖之余，欣顿还就AI安全发出了警告。他认为，拥有比人类更聪明的技术“在很多方面都是好事”，但“这一切的后果可能是，比我们更聪明的系统最终会掌控一切”。

　　当地时间2023年6月28日，加拿大安大略省多伦多，被称为“人工智能教父”的认知心理学家和计算机科学家杰弗里·欣顿在碰撞技术会议上发表讲话。 视觉中国(12.810, -1.29, -9.15%)图

　　出人意料的获奖名单

　　北京时间10月8日下午5点45分，美国和加拿大科学家约翰·霍普菲尔德和被外界称为“AI教父”的杰弗里·欣顿被授予诺贝尔物理学奖，以表彰他们通过人工神经网络实现机器学习的基础性发现和发明，帮助计算机以更接近人脑的方式学习，为AI的发展奠定了基础。

　　该奖项是对AI在人们生活和工作方式中日益重要的地位的认可。诺贝尔物理学委员会主席艾伦·穆恩斯（Ellen Moons）表示：“获奖者的工作已经带来了巨大的好处。在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定性能的新材料。”

　　诺贝尔奖委员会在X平台上的帖子中表示，霍普菲尔德博士和欣顿博士的突破“立足于物理科学的基础之上”，“他们为我们展示了一种全新的方式，让我们能够利用计算机来帮助和指导我们应对社会面临的许多挑战”。

　　不过，这一结果还是让无数网友大吃一惊，之前谁也没料到诺贝尔物理学奖居然会颁给计算机科学相关的研究。有网友惊呼，“这是个玩笑吗？这应该是图灵奖该干的事情。”

　　不单是网友，也有科学家表示不解。南安普顿大学计算机科学家、联合国AI顾问温迪·霍尔教授表示，她对这一奖项的颁发感到惊讶。“诺贝尔奖没有设立计算机科学奖，以这种方式来颁发奖项是一种有趣的方式，但似乎有点牵强，”她说，“显然，人工神经网络对物理学研究产生了深远的影响，但可以说它们本身就是物理学研究的成果吗？”

　　面对外界的疑问，诺贝尔奖官方不得不在X平台上解释说：“您是否知道机器学习模式是基于物理方程？”

　　其实，不单是外界，获奖者欣顿本人都没想到自己能够“跨界”获得诺贝尔物理学奖。他在接到诺贝尔奖委员会的电话时说道：“我完全没想到会发生这种事。”当时他正在加利福尼亚州一家“廉价酒店”，他表示，这消息简直是“出乎意料”。

　　他们有何贡献？

　　欣顿出生于伦敦郊外，自20世纪70年代末以来，他大部分时间都生活和工作在美国和加拿大。

　　20世纪70年代初，欣顿在爱丁堡大学读研究生时开始研究人工神经网络，当时很少有研究人员认为这个想法会成功。直到2012年，他终于与其学生一起取得了突破。2013年，欣顿加入了谷歌。2023年5月，他从谷歌离职。自那以后，他持续公开呼吁谨慎对待AI技术，成为旨在引导AI系统，使其行为符合设计者利益和预期目标的“AI对齐派”代表。

　　2019年，欣顿与蒙特利尔大学计算机科学教授约书亚·本吉奥（Yoshua Bengio）和Meta首席AI科学家杨立昆（Yann LeCun）因在人工神经网络方面的工作共同获得了图灵奖，该奖通常被誉为“计算机界的诺贝尔奖”。

　　相较于欣顿，霍普菲尔德则是一个正统的物理学家，因在计算机科学、生物学和物理学领域的开创性研究而闻名。他如今在普林斯顿大学担任名誉教授。

　　霍普菲尔德于1933年生于美国伊利诺伊州芝加哥，1958年在贝尔实验室开始了他的职业生涯，主要研究固体物质的特性。1961年，他以助理教授的身份前往加利福尼亚大学伯克利分校，并于1964年加入普林斯顿大学物理系。16年后，他前往加州理工学院担任化学和生物学教授，并于1997年回到普林斯顿大学，在分子生物学系任职。

　　1982年，霍普菲尔德开发了一种神经网络模型来描述大脑是如何进行联想、回忆的，即霍普菲尔德网络，这使得机器能够使用人工神经网络“存储”记忆，构成了现在所有人工神经网络的基础。

　　根据瑞典皇家科学院的公告，欣顿以霍普菲尔德网络为基础，发明了一个采用不同方法的新网络—— 玻 尔 兹 曼 机 （the Boltzmann machine），通过输入机器运行时很可能出现的示例来训练机器。玻尔兹曼机可用于对图像进行分类，或创建训练模式类型的新示例。欣顿在此基础上继续发展，帮助开启了机器学习的爆炸式发展。他在人工神经网络方面的开创性研究为ChatGPT等AI系统铺平了道路。

　　更值得一提的是，OpenAI联合创始人、前首席科学家伊尔亚·苏茨克维（Ilya Sutskever）也是欣顿的学生。他们两人和另一名计算机科学家亚历克斯·克里泽夫斯基（Alex Krizhevsky）还一起发明了卷积神经网络AlexNet。

　　欣顿发出AI安全警告

　　虽然欣顿因为其在机器学习领域的研究获得了诸多殊荣，但现在的他更多的精力集中在推动AI安全发展上。在诺贝尔奖委员会向其宣布获奖喜讯时，他也不忘就AI技术的危险性向外界发出警告。

　　欣顿担忧地表示：“我认为它（AI）将产生巨大的影响。它将与工业革命相媲美，它不会在体力上超越人类，而是会在智力上超越人类。”

　　欣顿表示，拥有比人类更聪明的技术“在很多方面都是好事”，这将带来医疗保健的大幅改善、更好的数字助理以及生产力的大幅提升。“但我们也必须担心一些可能的不良后果，尤其是这些事情失控的威胁。”他补充道，“我担心，这一切的后果可能是，比我们更聪明的系统最终会掌控一切。”

　　今年5月，欣顿接受记者采访的时候甚至直白地称：“很难想象如何阻止坏人利用它（AI）做坏事。”他表示：“未来5~20年，AI有一半概率比人类聪明。当它们比我们更聪明时，我不知道我们被接管的可能性有多大，但在我看来，这很有可能。”

　　伴随AI的飞速发展，人们对其安全性的忧虑在不断上升。

　　今年6月，13位来自OpenAI和谷歌的现任及前任员工联合发布了一封公开信，表达了对AI技术潜在风险的严重担忧，并呼吁相关公司采取更加透明和负责任的措施来应对这些风险。

　　这封信也得到了欣顿的背书，信中指出，尽管AI技术可能会给人类带来巨大益处，但其带来的风险同样不容忽视。这些风险包括加剧社会不平等、操纵和虚假传播信息，以及自主AI系统失控可能导致的人类灭绝。