杰弗里·辛頓，1947年出生于英國，后成為加拿大籍心理學(xué)家與計(jì)算機(jī)學(xué)家，其學(xué)術(shù)生涯中最為人稱道的貢獻(xiàn)之一是與David Rumelhart和Ronald J. Williams共同發(fā)表的論文《通過反向傳播錯(cuò)誤的學(xué)習(xí)表示》。這篇論文不僅被引用了近四萬次，還極大地推廣了多層神經(jīng)網(wǎng)絡(luò)的反向傳播算法。辛頓還發(fā)明了波爾茲曼機(jī)和受限波爾茲曼機(jī)，這些模型在深度學(xué)習(xí)的發(fā)展中扮演了關(guān)鍵角色，因此他也被視為深度學(xué)習(xí)領(lǐng)域的領(lǐng)軍人物。目前，辛頓在谷歌擔(dān)任高級(jí)工程師，并參與領(lǐng)導(dǎo)“谷歌大腦”項(xiàng)目。
與辛頓一同獲獎(jiǎng)的約翰·霍普菲爾德，1933年出生于美國，是加州理工學(xué)院計(jì)算與神經(jīng)系統(tǒng)博士項(xiàng)目的創(chuàng)始人之一?；羝辗茽柕碌难芯款I(lǐng)域廣泛，涵蓋了物理學(xué)、分子生物學(xué)和神經(jīng)科學(xué)。1982年，他提出了著名的霍普菲爾德網(wǎng)絡(luò)，這是一種能夠存儲(chǔ)和重建模式的聯(lián)想記憶模型，為后來的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)奠定了基礎(chǔ)?；羝辗茽柕碌膶W(xué)術(shù)生涯同樣輝煌，他曾多次當(dāng)選美國國家科學(xué)院院士、美國藝術(shù)與科學(xué)院院士以及美國哲學(xué)會(huì)會(huì)員，并因跨學(xué)科貢獻(xiàn)而獲得ICTP狄拉克獎(jiǎng)?wù)隆?/p>
獲獎(jiǎng)消息一出，立即在學(xué)術(shù)界和社交媒體上引起了熱烈反響。劍橋大學(xué)和多倫多大學(xué)紛紛祝賀校友霍普菲爾德和辛頓的杰出成就。網(wǎng)友們也紛紛發(fā)來賀電，即使是人工智能的批評(píng)者也放下了成見，為這一特殊榮譽(yù)感到驕傲。然而，也有不少人對(duì)于人工智能的成就獲得物理學(xué)獎(jiǎng)感到困惑。
對(duì)此，諾貝爾官方解釋稱，今年物理學(xué)獎(jiǎng)的突破建立在物理科學(xué)的基礎(chǔ)上，展示了使用計(jì)算機(jī)幫助和指導(dǎo)我們解決社會(huì)面臨挑戰(zhàn)的全新方式?；谌斯ど窠?jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)目前正在徹底改變科學(xué)、工程和日常生活，并在建設(shè)可持續(xù)社會(huì)方面取得突破。未來如何使用深度學(xué)習(xí)取決于人類如何選擇使用這些強(qiáng)大的工具。
斯坦福的應(yīng)用物理學(xué)教授和另一位物理學(xué)教授也紛紛發(fā)聲，表示人工智能的很多重要基礎(chǔ)都依賴于物理學(xué)，拿獎(jiǎng)理所當(dāng)然，而且理解和改進(jìn)人工智能已經(jīng)成了物理學(xué)的新的前沿課題。另一位量子學(xué)副教授也解釋了霍普菲爾德網(wǎng)絡(luò)、基于能量的模型、RBM是物理學(xué)和機(jī)器學(xué)習(xí)之間最自然的聯(lián)系之一，對(duì)諾貝爾物理學(xué)獎(jiǎng)的高度認(rèn)可感到既意外又開心。
雷峰網(wǎng)解讀指出，今年的諾貝爾物理獎(jiǎng)強(qiáng)調(diào)了物理學(xué)與人工神經(jīng)網(wǎng)絡(luò)之間的緊密聯(lián)系，以及物理學(xué)在推動(dòng)神經(jīng)網(wǎng)絡(luò)研究中所發(fā)揮的關(guān)鍵作用?；羝辗茽柕掳l(fā)明了一種能夠保存和重新創(chuàng)建模式的網(wǎng)絡(luò)，而辛頓則在此基礎(chǔ)上創(chuàng)建了玻爾茲曼機(jī)，推動(dòng)了機(jī)器學(xué)習(xí)的爆炸式發(fā)展。兩位學(xué)者的共同獲獎(jiǎng)，不僅是對(duì)他們個(gè)人成就的認(rèn)可，也是對(duì)物理學(xué)在神經(jīng)網(wǎng)絡(luò)領(lǐng)域所發(fā)揮的重要作用的肯定。
總之，這一決定不僅強(qiáng)調(diào)了跨學(xué)科研究的重要性，也凸顯了物理學(xué)在推動(dòng)現(xiàn)代科技發(fā)展中的核心作用。霍普菲爾德和辛頓的獲獎(jiǎng)，無疑為人工智能領(lǐng)域的研究注入了新的動(dòng)力，也為我們展示了物理學(xué)與人工智能相結(jié)合所帶來的無限可能。
