2024年诺贝尔物理学奖跟图灵奖“抢饭碗”?——机器学习获诺奖凸显跨学科研究的惊人力量

新华社斯德哥尔摩10月8日电 8日宣布的2024年诺贝尔物理学奖“意外”垂青机器学习,让多个诺奖预测集体“翻车”,就连获奖者之一的杰弗里·欣顿也坦言自己“完全没想到”。看似不属于传统物理学任何一个分支领域的成果斩获诺奖,让不少学者开玩笑说诺贝尔物理学奖在跟计算机界的图灵奖“抢饭碗”。

事实上,机器学习领域的元老级人物约翰·霍普菲尔德和杰弗里·欣顿斩获诺奖,如诺奖官方公告所说正是因为“运用物理学的工具”。今年的诺贝尔物理学奖不仅是对两名科学家成就的肯定,更是极大强调了跨学科研究的重要性,向人们展示了物理学的深刻洞见与计算机科学创新“碰撞”可以产生的巨大能量。

当前人们谈论人工智能时,经常指的是使用人工神经网络的机器学习。诺贝尔物理学委员会秘书乌尔夫·丹尼尔松对记者强调,人工神经网络在物理学中的研究和应用已经持续了相当长一段时间,本次诺贝尔物理学奖并非颁发给过去几年人工智能的发展,不是针对大语言模型或类似的东西,而是针对基础发明。

远在人工智能成为今天的科技热词之前,这两名科学家从20世纪80年代起就在人工神经网络领域做出了重要工作。这项技术最初的灵感来自大脑的结构。就像大脑中大量神经元通过突触相连一样,人工神经网络由大量的“节点”通过“连接”组成。每个节点就像一个神经元,而连接的强弱则类似于突触的强度,决定了信息传递的效果。

1982年,美国科学家约翰·霍普菲尔德创建了一种用于机器的联想记忆方法,提出了一种革命性的网络结构,被称为“霍普菲尔德网络”。这个网络能够存储多个模式(比如图像),并且在面对不完整或有噪声的输入时,能够重构出最相似的模式。

英国裔加拿大科学家杰弗里·欣顿在此基础上更进一步,他希望机器能像人类一样自主学习和分类信息,于1985年和同事提出了“玻尔兹曼机”的网络模型,这个名字源于19世纪物理学家路德维希·玻尔兹曼的方程。该模型通过统计物理学中的玻尔兹曼分布来识别数据中的特征,成为了现代深度学习网络的基础。欣顿的研究继续推进,导致了当前机器学习领域爆炸式的发展。

爱尔兰都柏林圣三一学院认知神经科学教授罗德里·丘萨克8日评论指出,人工神经网络最初受到神经科学的启发,并且两者之间的相互作用持续蓬勃发展。人工神经网络已被证明是大脑学习过程的宝贵模型,机器正在帮助我们了解自己,这反过来又为技术发展提供了新的途径。如果没有霍普菲尔德和欣顿的开创性工作,这一切都不可能实现。

霍普菲尔德和欣顿的工作不仅推动了机器学习的发展,还对物理学产生了深远影响。正如丹尼尔松当天在接受新华社记者采访时所说,物理学的原理为两名科学家提供了思路,同时,人工神经网络在物理学中也得到了广泛应用,催生新的惊人发现。

诺贝尔物理学委员会主席埃伦·穆恩斯在当天的新闻发布会上表示,两名获奖者利用统计物理的基本概念设计了人工神经网络,构建了机器学习的基础。相关技术已被用于推动多个领域的研究,包括粒子物理、材料科学和天体物理等,也已用于日常生活中的人脸识别和语言翻译等。

机器学习的迅速发展不仅带来了巨大的机遇,也引发人们对于伦理和安全方面的担忧。穆恩斯当天在发布会上强调说,人类有责任以安全且道德的方式使用这项新技术,以确保它能为全人类带来最大的利益。

欣顿当天在接受电话连线采访时表示,这一技术将对社会产生巨大影响,但也必须警惕这一技术可能造成的威胁。丹尼尔松也指出,机器学习与基因编辑等众多前沿技术的发展是“双刃剑”,人们必须警惕出现坏的结果。在这方面,尤其需要全球合作。


夕夕海 » 2024年诺贝尔物理学奖跟图灵奖“抢饭碗”?——机器学习获诺奖凸显跨学科研究的惊人力量

发表回复