2024年諾貝爾物理學獎揭曉！兩位AI大牛因何獲獎？
更新時間：2025-09-03 20:09:45作者：佚名
諾貝爾物理學獎頒給了兩位AI大牛！
人工智能領域的杰出學者E, 以及普林斯頓大學的John J, 兩人攜手贏得了2024年諾貝爾物理學獎, 獎勵他們對于利用人工神經網絡發展機器學習技術的開創性貢獻, 這些基礎性的發現和發明得到了高度認可。
諾貝爾官方網站發布信息稱，兩位諾貝爾物理學獎獲得者借助物理學手段研究出的技術，為當前高效的機器學習提供了支撐，John 創制了一種聯想存儲機制，能夠保存并再現圖像及其他類別的數據形態。
研發出一種能自動檢索數據特征的技術，借此可以完成諸如辨認圖像里特定物件之類的操作。
獲獎者的貢獻已經帶來了顯著的價值。在物理科學方面，人們把人工神經網絡用到很多地方，比如去創造具有特殊性質的新材料，諾貝爾物理學獎委員會的負責人Ellen Moons這樣表示。兩位獲獎人員將會平分總額達1100萬瑞典克朗（810,000 英鎊）的獎勵。
自脫離谷歌以來，始終專注于揭示人工智能迅猛進步所帶來的不良影響。
在那個網絡信號欠佳的廉價旅館房間里，這位新晉的諾貝爾獎獲得者，同多家外國媒體進行了對話，談到了自己得獎后的體會，也對關于“物理學獎”的質疑做出了說明，后面這些內容，是參考原始報道整理編輯的，請欣賞。
恭喜恭喜。當您聽到今天早上的新聞時，您的反應是什么？
我感到極為震驚，十分意外，并且難以置信，這完全超出了我的預料。我做夢也想不到會是這個樣子。神經網絡屬于計算機科學領域。
這與物理學有何關系？
霍普菲爾德網絡以及其后繼的波爾茲曼機，都根植于物理學理論。前者借助能量函數進行運算，后者則運用統計物理學的原理。由此可見，神經網絡演進的這個時期，很大程度上汲取了物理學理論的養分。
但事實上，現今 AI 模型應用的技術并非同一種，而是別稱反向傳播的另一種技術，這與物理科學關聯甚微，至于玻爾茲曼機與此技術間存在何種聯系，尚不明確。
現在，這兩者關聯性并不強。它們是關于神經網絡運作方式的不同解釋。以前，我嘗試過借助玻爾茲曼機來“初步訓練”反向傳播網絡，從而將兩者融合。不過，現在人們不再采用這種方法了。
預訓練是什么意思？您能用讀者能理解的語言來解釋嗎？
這讓我聯想到諾貝爾獎得主理查德費曼說過的一番話。有位記者詢問費曼教授：“能否請您花幾分鐘時間談談獲得諾貝爾獎的原因？”費曼回應道：“聽著，如果幾分鐘就能說明白，那就不配獲得這個獎項。”同樣可以斷定，玻爾茲曼機在人工智能領域已走不通——相關研究或許已轉向其他方向。
我的看法是，這種構思好比一種促進因素。促進因素能夠使人突破困境——即便它并非最終辦法的構成部分。玻爾茲曼機便是這樣一種促進因素。它協助我們解決了“怎樣訓練深度神經網絡”的難題。它讓深度神經網絡的訓練過程變得簡單。當我們掌握了深度神經網絡的訓練方法，便不再依賴玻爾茲曼機了。您是否直接與約翰·霍普菲爾德合作過這些想法？
未曾拜讀過他的文章。不過，我的主要合作者Terry曾經與他共事，并且是在他的指導下完成了博士學業。
您獲得這個物理學獎奇怪嗎？
：倘若計算機科學設有諾貝爾獎，我們的研究無疑更具備獲獎資格，然而此類獎項并不存在，這其實是一種恰當的說明。
這或許是一種啟示。的確，我們或許該設立一個計算機領域的諾貝爾獎。
不論怎樣，您憑借促成一項如今您憂慮可能危害人類的重大技術而贏得諾貝爾獎，您對此有何想法？
獲得諾貝爾獎或許會讓眾人更加關注我，若你提醒未來的風險，他們是否會更加在意？
：是的。
您認為您的研究成果所幫助開發的技術潛在意義是什么？
這項變革堪比工業革命，卻不會在力量上超越人類，而是在智慧上超越人類。我們從未接觸過比自身更聰明的存在。這項技術將從根本上重塑醫療行業，引發“生產效率的顯著增長”。然而physics是什么意思，我們亦需警惕潛在風險，特別是局勢失控的可能性。我憂慮，后果可能是比我們更智慧的體系將主導一切。您是否后悔自己幫助創造這項技術？
懊悔存在兩種形態。其一源于實施了本應避免的行為而引發的愧疚，其二則是在相似情境下即便預知結果不佳仍會重蹈覆轍的無奈。我的惆悵屬于后者。即便面臨同樣境遇physics是什么意思，我依然會作出相同抉擇，然而隱憂在于，此舉長遠影響可能致使更勝一籌的機制最終主導局面。
參考鏈接：
相關文章
為您推薦
加載中...