杰弗里·辛頓，1947年出生于英國，后成為加拿大籍心理學家與計算機學家，其學術生涯中最為人稱道的貢獻之一是與David Rumelhart和Ronald J. Williams共同發表的論文《通過反向傳播錯誤的學習表示》。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網絡的反向傳播算法。辛頓還發明了波爾茲曼機和受限波爾茲曼機，這些模型在深度學習的發展中扮演了關鍵角色，因此他也被視為深度學習領域的領軍人物。目前，辛頓在谷歌擔任高級工程師，并參與領導“谷歌大腦”項目。
與辛頓一同獲獎的約翰·霍普菲爾德，1933年出生于美國，是加州理工學院計算與神經系統博士項目的創始人之一。霍普菲爾德的研究領域廣泛，涵蓋了物理學、分子生物學和神經科學。1982年，他提出了著名的霍普菲爾德網絡，這是一種能夠存儲和重建模式的聯想記憶模型，為后來的深度學習和機器學習奠定了基礎。霍普菲爾德的學術生涯同樣輝煌，他曾多次當選美國國家科學院院士、美國藝術與科學院院士以及美國哲學會會員，并因跨學科貢獻而獲得ICTP狄拉克獎章。
獲獎消息一出，立即在學術界和社交媒體上引起了熱烈反響。劍橋大學和多倫多大學紛紛祝賀校友霍普菲爾德和辛頓的杰出成就。網友們也紛紛發來賀電，即使是人工智能的批評者也放下了成見，為這一特殊榮譽感到驕傲。然而，也有不少人對于人工智能的成就獲得物理學獎感到困惑。
對此，諾貝爾官方解釋稱，今年物理學獎的突破建立在物理科學的基礎上，展示了使用計算機幫助和指導我們解決社會面臨挑戰的全新方式。基于人工神經網絡的機器學習目前正在徹底改變科學、工程和日常生活，并在建設可持續社會方面取得突破。未來如何使用深度學習取決于人類如何選擇使用這些強大的工具。
斯坦福的應用物理學教授和另一位物理學教授也紛紛發聲，表示人工智能的很多重要基礎都依賴于物理學，拿獎理所當然，而且理解和改進人工智能已經成了物理學的新的前沿課題。另一位量子學副教授也解釋了霍普菲爾德網絡、基于能量的模型、RBM是物理學和機器學習之間最自然的聯系之一，對諾貝爾物理學獎的高度認可感到既意外又開心。
雷峰網解讀指出，今年的諾貝爾物理獎強調了物理學與人工神經網絡之間的緊密聯系，以及物理學在推動神經網絡研究中所發揮的關鍵作用。霍普菲爾德發明了一種能夠保存和重新創建模式的網絡，而辛頓則在此基礎上創建了玻爾茲曼機，推動了機器學習的爆炸式發展。兩位學者的共同獲獎，不僅是對他們個人成就的認可，也是對物理學在神經網絡領域所發揮的重要作用的肯定。
總之，這一決定不僅強調了跨學科研究的重要性，也凸顯了物理學在推動現代科技發展中的核心作用。霍普菲爾德和辛頓的獲獎，無疑為人工智能領域的研究注入了新的動力，也為我們展示了物理學與人工智能相結合所帶來的無限可能。
