继物理学奖颁给气象学专家、文学奖颁给歌手之后，诺贝尔奖又一次“爆冷”！

瑞典皇家科学院当地时间10月8日宣布，将2024年诺贝尔物理学奖授予约翰·霍普菲尔德（John J. Hopfield）和杰弗里·辛顿（Geoffrey Hinton），表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。

记者收看了直播。当电话拨给杰弗里·辛顿通报喜讯时，这位2018年图灵奖得主，用极度平静的语气，说出了一句“完全没有想到自己能获得诺贝尔物理学奖”。

和杰弗里·辛顿一样“没有想到”的，还有浙江大学人工智能研究所所长吴飞。电话那头，他首先的感叹是：“虽然说到底，人工智能是以机器为载体来实现人类某一方面行为，本质上是刻画包含物理世界（以及生命等其他世界）的复杂信息系统。不过，我现在都没反应过来，诺贝尔物理学奖居然颁给了人工智能。”

而对于一个从浙江大学竺可桢学院求是物理班毕业后，转入AI领域创业的年轻科研人来说，感觉又有点不一样。麻省理工化学系博士、科技公司深度原理创始人兼CTO段辰儒表示：“诺贝尔奖是科学界最高荣誉。人工智能能获得诺贝尔奖的肯定，对我们AI for science（指利用人工智能技术来辅助科学研究）从业者来说是一个振奋的消息。要知道2000年以前，人工智能还被人们普遍认为算不上科学。”

要充分理解两个人的复杂情感，需要回到这次诺奖本身——人工智能。

当代物理学大体上可以分为四个主要分支：高能物理学、天文(宇宙)物理学、原子分子和光学物理学，以及凝聚态物理学。

这两位新晋诺奖得主的研究领域，不属于以上任何——他们是人工智能领域的奠基人。

当我们今天谈论人工智能时，通常指的是使用神经网络进行机器学习。这项技术最初是受到生物学——也就是大脑结构的启发。大多数现代人工智能基于一种称为人工神经网络的技术，模拟了大脑中神经元之间的连接。在人工智能中，神经元由节点表示，这些节点通过可以变弱或变强的连接相互影响，从而使神经网络够随着时间的推移学习。

科学，就是不断突破常规，跨越想象。设立奖项的诺贝尔去世时，是1896年。那年，他没有预见到计算机科学的突飞猛进，以及数十年后，开启的那一场技术大爆炸。

吴飞告诉记者，关于神经网络的提出，可以追溯到上世纪40年代。1943年，神经科学家沃伦（Warren McCulloch）和逻辑学家沃尔特·皮兹（Walter Pitts）合作提出了以他们名字命名的“MCP神经元”模型。“这相当于研究清楚了脑区单个神经元的活动情况，两位学者当时喊出了历史的最强音：在科学史上，我们第一次知道了我们是怎么知道的。”

不过，从严格意义上说，到这一步，我们还无法解释千亿个神经元所构成大脑是如何具体活动的。

直到1982年，本届诺贝尔奖得主之一的约翰·霍普菲尔德，创造了一种“霍普菲尔德模型”人工神经元网络模型，试图用他的物理学背景，来探索分子生物学的理论问题。

吴飞进一步解释：“虽然单个MCP神经元所做事情可以用数学物理方程刻画，一眼就能看明白，但是成千上万个神经元连接起来之后，量变引起质变、多者异也。约翰·霍普菲尔德把众多神经元联系到一起，形成了神经网络，开启了人们对大脑计算过程的研究，推动了计算神经科学的发展，也为另一个诺奖得主杰弗里·辛顿提出‘深度学习’概念打下基础。”

几乎前后脚，杰弗里·辛顿的研究是建立在“霍普菲尔德模型”之上的。当时杰弗里·辛顿在卡内基梅隆大学工作，他想知道机器是否可以学习，是否可以与人类类似的方式处理信息。随后，他的研究帮助启动了当前机器学习的爆炸性发展，为谷歌、微软、IBM等科技巨头开发语音识别、图像识别、自然语言处理等应用提供了坚实的技术基础。

所以，到这里，我们可以认为，没有物理学知识，或许“深度学习”概念就无法萌发。而当信息技术发展到现在，人工智能正在与物理学，乃至化学、生物学等更多学科产生千丝万缕的联系。

物理学也被称为“自然哲学”。从最广泛的意义上来说，即是研究大自然现象及规律的学问。“世界是个复杂系统，我们需要用人工智能去模拟刻画和计算这个世界、理解这个世界，从而找到和这个世界相处的‘最优解’。”吴飞举例，用人工智能去模拟核聚变造一个“人造太阳”探索能源解决方案，或是去模拟台风路径来帮助人们避险自然灾害，都是“AI for science”“AI for all”的例子。

在这种意义上，诺贝尔物理学奖的桂冠加冕于两位人工智能领域大拿，不仅是对他们个人成就的至高肯定，也无疑将进一步推动科研界对人工智能基础理论的探索，鼓励跨学科合作。

吴飞告诉记者，浙江大学设有全国高校首个人工智能交叉学科，今年6月发布《大学生人工智能素养红皮书》，希望所有学生了解人工智能、使用人工智能、创新人工智能、恪守人与人造物关系，并在2024年9月启用的新课程大纲中，将人工智能通识课程列入全校本科生的必修课程，构建了从本科生到研究生的“人工智能”及“智能+”人才培养完整体系。

此外，段辰儒和记者补充了另一个概念——Science of AI。“诺奖花落人工智能，相当于认可了人工智能和物理之间的有机互动。这敦促我们用物理学知识来理解AI、打造AI，从而建立更精准的模型，而这些AI模型可以反过来帮助我们更好的探索科学。”

要知道，量子计算的原理对于开发更快速、高效的计算方法具有指导意义；光学系统的性质可以启发新型的神经网络架构设计……通过深入理解物理背后的数学和概念，我们可以改进和创新AI算法，提升其性能，为“AI for science”做出更好的服务。

眼下，人工智能的应用，早就远远超越刻板印象中和ChatGPT的一答一问——

奖项揭晓现场，诺贝尔物理学奖委员会主席艾伦·穆恩斯（Ellen Moons）表示：“诺贝尔奖得主的工作已经产生了巨大的效益。在物理学中，我们把人工神经网络应用于广泛的领域，比如开发具有特定性能的新材料。”

和诺贝尔奖“距离最近”的例子，大约就是刚刚成功融资3000万美元的一家名为CuspAI的欧洲公司。其顾问，便是杰弗里·辛顿。CuspAI 的平台就像是材料的搜索引擎，可以快速评估大量的新结构。这家公司正在致力于寻找一种环保材料，能应对对气候变化和其他全球挑战。

你瞧，科学来从不是孤立的。

人类的奋斗也不是孤立的。康奈尔大学教授弗兰克·罗森布拉特(Frank Rosenblatt)在20世纪50年代提出了神经网络的雏形“感知机（perceptron）”模型，后在一次划船事故中去世，未能见证神经网络的崛起。而此刻，在前赴后继的科学家们努力下，时代已来。

这时，对这次诺奖感到意外的我们与其感叹：物理学不存在了？

不如感慨：物理学，无处不在。