2024年诺贝尔物理学奖让许多人惊呼——物理学不存在了！因为它颁给了计算机科学家约翰?霍普菲尔德（John J. Hopfield）和杰弗里?辛顿（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，这一结果让很多人出乎意料，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活儿干了吧，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的？”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 Irb?ck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”，作为获奖者之一的辛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，辛顿还就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”。

图片诺贝尔奖委员会X平台账号

最出人意料的诺贝尔物理学奖

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·辛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平台上的帖子上表示，霍普菲尔德博士和辛顿博士的突破“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”。

不过这一结果也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儿呀。”

图片X平台

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，以这种方式来颁发此奖是一种有趣的方式，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，诺贝尔奖官方都不得不在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的？”

图片X平台

其实，不单是外界，获奖者辛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。”当时他正在加州一家“廉价酒店”，他表示，这消息简直是“出乎意料”。“我本来打算今天去做核磁共振扫描，但我觉得我不得不取消了。”

他们有何贡献？

辛顿出生于伦敦郊外，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，辛顿在爱丁堡大学读研究生时开始研究神经网络，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，辛顿加入了谷歌，到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”的代表。

2019年，辛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”。

相较于辛顿，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州大学伯克利分校，并于1964年加入普林斯顿大学物理系。十六年后，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。

20世纪80年代时，霍普菲尔德的工作重点是研究大脑过程如何指导机器保存和复制模式。1982年，他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，构成了现在所有神经网络的基础。

根据瑞典皇家科学院的公告，辛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。辛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）也是辛顿的学生。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。

辛顿发出AI安全警告

虽然辛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。

辛顿担忧地表示：“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。”

辛顿表示，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。”

今年五月，辛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年~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。”

伴随着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。

这封信也得到了辛顿的背书，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、操纵和虚假信息传播，以及自主AI系统失控可能导致的人类灭绝。