就在几天前，2024年诺贝尔物理学奖揭晓，授予约翰·霍普菲尔德（John J.）和图灵奖获得者、人工智能教父杰弗里·辛顿（ ），“以表彰他们做出的基础性发现和发明”使用人工神经网络进行机器学习。”
在接受电话采访时，就连杰弗里·辛顿 ( ) 本人也想知道：“我如何确定这不是一个恶作剧电话？”
这一结果也引发了网友的讨论：有人开玩笑说物理已经不存在了。也有人表示，这个奖项可能会引起一系列连锁反应。
其实物理界并没有多少新的研究成果，但谁知道却直接被授予“跨服务器”给人工神经网络和机器学习领域。
究竟为什么？
原因或许有很多，但不可否认的是，我们现在已经进入了一个极度复杂、相互融合的时代。物理不再仅仅是物理，计算机也不再仅仅是计算机。他们之间已经开始有了交集。
（一）
物理
与计算机神经网络的交叉点
自 20 世纪 80 年代以来，John 和 在人工神经网络领域做出了重要工作。
人工神经网络，顾名思义，源于模仿大脑的工作原理。
科学家们设想将大脑神经元重新创建为计算节点，通过类似突触的连接传递信息。
这样的网络可以通过训练来增强某些连接并抑制其他连接，使系统在处理复杂数据时具有学习和记忆的能力，成为现代人工智能的基础。
20世纪80年代，拥有物理学背景的霍普菲尔德开始将物理学概念引入人工神经网络领域。
他观察到大脑中的神经元通过复杂的连接来传递和处理信息，于是他开始思考如何用计算机来模拟这种工作方式。
经过无数次的尝试和探索，他提出了网络。
网络是一种人工神经网络模型，模拟大脑神经元的工作，具有存储和检索信息的能力。
这个网络就像一个超级智能的记忆盒。当我们把一些信息“放入”其中时，它就能根据信息的特征，在需要的时候准确地“找到”它。
然后，基于 网络世界物理学家排名， 将人工神经网络推进到了一个新的水平。
他利用神经网络的联想记忆功能，发明了一种新的神经网络玻尔兹曼机。
通过模拟物理系统中粒子的运动，玻尔兹曼函数可以学习数据的概率分布，帮助机器学习数据中的模式。
网络和玻尔兹曼机｜图片来源：瑞典皇家科学院
得益于 20 世纪 80 年代以来的工作，John 和 为 2010 年左右开始的机器学习革命奠定了基础。
话虽如此，他们在上个世纪的突破性贡献实际上源于他们对物理学中复杂系统的深刻理解。正是他们对物理学工具和概念的应用推动了机器学习和人工神经网络领域的发展。
同时，现代物理学本身也受益于人工神经网络——因为人工神经网络已经逐渐成为物理学中强大的计算工具，可以应用于量子力学、粒子物理等领域。
诺贝尔物理学奖委员会主席指出：“获奖者的工作带来了巨大的收益。在物理学中，我们在广泛的领域中使用人工神经网络，例如开发具有特定性能的新材料。”
“机器学习长期以来一直应用于我们可能熟悉的领域，正如之前的诺贝尔物理学奖所见。其中包括使用机器学习来筛选和处理发现希格斯玻色子所需的大量数据。其他应用包括减少黑洞碰撞或搜索系外行星引起的引力波测量中的噪音。”
“近年来，该技术也开始被用来计算和预测分子和材料的特性，例如计算决定其功能的蛋白质的分子结构，或者确定哪些新材料可能具有最佳特性以更有效地太阳能电池。”颁奖官员如此表示。
（二）
极其复杂的时期
来自技术的全面且日益紧迫的挑战
21世纪有太多因素使时代变得复杂。
但有一个因素压倒一切——技术进步，它有自己的生命力。技术本身的发展改变了时代的环境。
复杂时代第一个挑战：数字化
数字化的本质是计算机改变人类的经济活动。计算机允许对人类活动进行编码。计算机语言是一种代码语言。数字化是对所有人类活动进行编码的过程。它将随着量子时代的到来而结束。
数据已经成为生产要素。现在的数据管理其实没有办法解决一个问题，就是数据存储和开发的挑战，以及从GPU到GPU的挑战。数据继续不受控制地膨胀，人类将被数据淹没。
微信短信已经成为一件很麻烦的事情。人类正在失去管理人类产生的大数据的能力。我们如何解决数据问题？
依靠计算能力。
说到芯片，就不可避免地要提到台积电。 3nm是支撑数字时代的一项难以逾越的技术。 GPU 将人工智能结合在一起， 诞生了。
如果是一个国家，其市场规模将达到2万亿美元，位居全球第13位，位于墨西哥之前，俄罗斯之后。
占据支持人工智能的应用市场的 80%。
我们看到当今世界变得越来越严峻，芯片已经达到了摩尔定律的物理极限。参照物发生了变化，我们进入了一个突破物理极限的数字和人工智能物质基础时代。
当芯片无限小时，有很多问题需要突破和解决。数字化转型绝对不是一句口号。
复杂时代的第二个挑战：人工智能
2006年，和他的学生正式提出了深度学习（Deep ）的概念，被誉为深度学习年。 被称为深度学习之父；
2009年，谷歌开始研发无人驾驶技术；
2011年，苹果推出Siri语音技术；
2014年，聊天机器人“”通过图灵测试，亚马逊推出虚拟助手；
2016年，谷歌的计算机程序击败了围棋冠军李世石；汉森机器人公司首次推出名为索菲亚的人体防御机器人；
2017年，谷歌的论文提出了一种结构，为DALL-E等生成式人工智能模型提供了技术突破思路；
2018年，图灵奖被授予三位科学家：、和杨乐坤，以表彰他们在人工智能深度学习方面的贡献；
2020年，微软推出了生成式语言模型T-NLG；发布了GPT-3语言模型，完成人类几乎不可能完成的语言任务；
2021年，DALL（一种可以从文本生成图像的人工智能模型）发布；谷歌推出LaMDA大语言模型；
2022年，人工智能将发布，这是一种根据文本描述生成图像的工具。发布突破，5天内用户数突破100万；
2023年升级为GPT 4。DALL-E2演变成DALL-E3。发布了基于 LaMDA 的生成工具 Bard；
《Sora》将于 2024 年 2 月发布。
图灵提出“任何可以计算的东西都可以由机器人来实现”。他在1950年提出“机器可以思考”。图灵机模拟了一个人让大脑在特定环境下无限运行所能解决的所有问题。
哥德尔、冯·诺依曼等人看到了图灵机，都给予了高度评价。哥德尔说图灵机最有说服力。绝大多数人并不是夸大人工智能，而是低估了它。
首先是人工智能的概念和思想，然后是人工智能技术的发展。 1943年，神经生物学和计算机结合产生了所谓的MP模型，推动了1956年夏天为期两个月的人工智能研讨会，并确定了人工智能未来发展的三种路线：符号式AI、联结式AI、和深度。学习人工智能。
这种连接路线催生了深度学习，它在 2012 年对深度学习理论进行了建模。
当前人工智能的竞争集中在深度学习领域。
（三）
物理或人工智能，
他们都在努力了解世界的本质
关于2024年诺贝尔物理学奖，网友争论的主要点是两位获奖者的贡献是否属于物理学领域？
甚至有人表示诺奖委员会想要“利用AI热点”。
惊喜实在太多，诺贝尔奖官方发起了一项民意调查：“你知道机器学习模型是基于物理方程的吗？”
诺贝尔奖官方结局问网友：你知道机器学习模型是基于物理方程的吗？ |图片来源：X
AI领域的从业者也对此进行了讨论。以下是他们的一些反应和声音：
致远研究院创始人张宏江表示：“2006年，我们利用RBM做DNN自监督预训练，成功训练了深度神经网络，可以说是这一轮人工智能革命的先行者。”网络为RBM奠定了基础，让我们看看我能获得生理学奖吗？”
出门问问创始人兼CEO李志飞表示：“物理学和人工智能中使用的数学模型本质上都是建模，但前者的建模对象是物理世界，而后者的建模对象是智能。这样一来，不是更靠谱吗？”
地平线创始人余凯也表示：“物理学研究的目的是了解自然界中物理系统的本质规律，以便我们能够创造和发明自然界中不存在的物理系统。例如，我们可以从鸟类身上研究空气动力学根据空气动力学，它不是鸟，而是火箭。”
“人工智能的目的是首先研究自然界智能系统的本质机制，然后通过这些研究，其目的不是发明生物大脑，而是构建可能更加智能的新物理系统。 ”于凯想道。
余凯还注意到，此次诺贝尔物理学奖获得者都有物理学背景，并且从统计物理学的角度对神经网络有一定的理解。其中一人还曾担任世界知名大学物理系教授。 “在人工智能的早期，他们很多人都有物理学背景。”
霍普菲尔德跨越多个学科｜图片来源：诺奖委员会
除了争议之外，约翰·霍普菲尔德和杰弗里·辛顿的研究结果，以及他们获得诺贝尔物理学奖的事实，不仅证明了当今人工智能的突破和普及，而且还指出了一个重要的信息，那就是也就是说，科学突破不能局限于单一领域的定义，跨学科合作也有其自身的力量。
例如，约翰·霍普菲尔德确实拥有物理学博士学位，他在贝尔实验室开始了他的早期职业生涯，最初致力于凝聚态物理留学之路，但当他在这个主要研究领域遇到问题时，他转向了新的领域。
20 世纪 60 年代末，他探索生物物理学，应用固态物理学的概念来理解生物系统如何合成蛋白质。 20世纪70年代末，他转向神经科学领域，并将其理论物理学技能应用于大脑问题世界物理学家排名，从而做出了上述开创性贡献。
什么是物理学？
霍普菲尔德曾在自传中写道：“对我来说——因为我的父母都是物理学家——物理学不是一门学科。原子、对流层、原子核、玻璃块、洗衣机、自行车、留声机、磁铁——这些只是偶然的研究对象。核心思想是世界是可以理解的，你应该能够拆解任何事物，理解其组成部分之间的关系，进行实验，并在此基础上建立对其行为的定量理解。
在他看来，“物理学认为我们周围的世界可以通过努力、创造力和足够的资源以预测和定量的方式来理解。”
至于杰弗里·辛顿 ( )，作为剑桥大学的一名本科生，他尝试了一系列学科——生理学、物理学、哲学，直到 1970 年毕业并获得实验心理学学位。
在 1972 年进入爱丁堡大学攻读人工智能博士学位之前，他还做过一段时间的木匠。
当诺贝尔奖工作人员问他：“你会如何描述自己？你认为自己是一名计算机科学家，还是认为自己是一名在从事这项工作时试图理解生物学的物理学家？”辛顿的回答是：“我想说，我不是一个确切知道自己在做什么的人，而是想了解大脑如何工作。在我寻求了解大脑如何工作的过程中，我帮助创造了一项令人惊讶的有效技术。”
的回答传达的信息是，无论你将他归入哪个领域，都可能并不重要。重要的是他创造了什么。
AI教父 ｜图片来源：AI
而且，该奖项的设立有其历史背景和局限性。如果该奖项的创建者还活着，他可能愿意设立一个新的学科奖项或跨学科奖项。
目的都是一样的，都是为了赞扬那些推动人类知识进步的人。
另外值得一提的是， 希望获得诺贝尔奖能让他“更有说服力”，让人们更认真地对待他对人工智能的担忧。
因此，2024年诺贝尔物理学奖授予辛顿具有重要意义。此次获奖不仅是对个人成就的高度认可，也是对深度学习领域至关重要的肯定。
2024年，一切都将发生翻天覆地的变化。
人工智能已经达到了难以想象的水平。新时代已经到来。我们正在经历一个伟大变革的时代。奥特曼表示，当GPT发展到7时，就会产生新的物种，就会出现元意识。
社会和经济的巨大变化来自于计算机世界的新物理定律：人工智能。
文章编译自｜极客公园、Note Man等。
扫描下方二维码
添加您的专属顾问
结尾
风险提示：市场有风险，投资需谨慎。本文仅供知识分享，不代表锐成立场。不构成任何投资建议，也不对其内容的准确性和完整性做出任何承诺或保证。过去的表现并不能保证未来的表现，投资可能会导致本金损失。任何人根据本文做出投资决策均需自行承担风险，信息发布者不承担任何法律、监管或相关责任。
