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·霍普菲尔德和杰弗里·欣顿，以表彰他们通过人工神经网络实现机器学习而作出的基础性发现和发明。

诺贝尔物理学奖为何颁给人工智能学者？看似“跨界”的诺贝尔奖获得者还有哪些？

两位获奖者，何许人也

约翰·霍普菲尔德，美国物理学家、神经科学家。1933年出生于美国芝加哥，1958年获得美国康奈尔大学博士学位，现任美国普林斯顿大学教授。霍普菲尔德在1982年发明了著名的霍普菲尔德神经网络，是神经网络发展早期的一座重要的里程碑。早在1986 年，他已是加州理工学院计算与神经系统博士项目的创始人之一。

杰弗里·欣顿，英裔加拿大计算机科学家、神经科学家。他1947年出生于英国伦敦一个学术世家，这个家族走出了多位世界知名学者。他的曾外祖父是19世纪著名数学家布尔，发明了二进制运算的布尔代数，而二进制正是现代计算机的数学基础；欣顿的姑父是经济学概念“国民生产总值”的提出者；欣顿表姐则是核物理学家，曾参与制造原子弹的曼哈顿计划；他的父亲是昆虫学家，当选过英国皇家学会（英国皇家科学院）院士。

欣顿1978年获得英国爱丁堡大学博士学位，现任加拿大多伦多大学教授。他与约书亚·本吉奥、杨立昆并称为“深度学习三巨头”，三者同时获得了2018年的图灵奖。被称为“AI教父”的欣顿，他的好几位学生也都在AI领域有响当当的名头。与其一同获得图灵奖的学生杨立昆成了脸书母公司Meta的首席科学家，另一名学生伊尔亚·苏茨克维成为OpenAI的联合创始人兼首席科学家，今年5月因与公司CEO出现分歧而离职创业。

欣顿8日在美国加利福尼亚得知获奖后说：“我们并不知道机器比人更聪明会发生什么。” 欣顿曾说，机器比我们想象的更接近人类，他现在更担心这项技术可能造成的威胁，“总体后果可能是比我们更智能的系统最终可能会控制一切”。

物理学奖，为何颁给AI学者

广东省科普讲师团成员，华南理工大学人工智能未来创新实验室常务副主任陈安表示，“在我看来，物理学奖颁给人工智能的科学家，是挺正常的一件事。”

从20世纪80年代起，这两名科学家就在人工神经网络领域做出了重要工作。人工智能通常指的是使用人工神经网络的机器学习，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。

作为计算机技术的神经网络，到底与物理有什么关系？对此，欣顿解释道，霍普菲尔德上世纪80年代提出的革命性网络结构“霍普菲尔德网络”以及他在此基础上发展的“玻尔兹曼机”网络模型均建立在物理学基础上。

陈安解释， “以霍普菲尔德命名的霍普菲尔德神经网络，就是根据物理学原理设计的一种网络，每个单元由运算放大器和电容电阻这些元件组成，相当于一个神经元。输入信号以电压形式加到各单元上，经过一段时间后，各部分的电流和电压达到某个稳定状态，它的输出电压就表示问题的解答。”

欣顿在此基础上进行了更进一步的研究，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，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。

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。诺贝尔奖官方社交账号上写道，今年诺贝尔物理学奖得主的突破工作建立在物理学的基础上，他们展现了一种全新的方式，让人们利用计算机来帮助和指导社会面临的挑战。

诺贝尔物理学委员会秘书乌尔夫·丹尼尔松表示，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；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。

诺贝尔奖，“混搭”“跨界”成风

除了诺贝尔物理学奖，今年的诺贝尔化学奖也有AI技术的身影。当地时间10月9日，瑞典皇家科学院宣布，将2024年诺贝尔化学奖授予大卫·贝克（David Baker）、戴米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper），以表彰他们在蛋白质设计和蛋白质结构预测领域作出的贡献。

诺贝尔奖委员会评价称，来自美国华盛顿大学的贝克成功完成了构建全新蛋白质这一几乎不可能完成的任务；而来自谷歌的英国科学家哈萨比斯和江珀则开发了一种名为AlphaFold2的人工智能模型，这种模型解决了一个已有50年历史的难题，能够预测大约两亿种已知蛋白质的复杂结构，并且已被全球200多万人使用。

在过往的诺贝尔奖中，也有一些获奖者的研究与人工智能或机器学习密切相关。被认为是人工智能领域的奠基人之一的司马贺（Herbert Simon）于1978年获得诺贝尔经济学奖，他在决策理论方面提出了“有限理性”等开创性概念，之后直接影响了对AI系统的设计。

霍金曾说：“21世纪将是复杂性科学的世纪。” 诺贝尔奖的跨界色彩，并非人们的直观感受， 有不少对诺贝尔自然科学奖颁奖的统计分析证明了这一点。

据统计，从1901年到2008年授予的356项诺贝尔自然科学奖的奖项中，交叉研究成果共有185项，占52.0%。在不同的时段（1901~1920年，1921~1940年，1941~1960年，1961~1980年，1981~2000年，2001~2008年），交叉学科研究成果在颁奖项数中所占的百分比依次为32.0%、41.7%、54.0%、56.8%、61.1%、66.7%。诺贝尔自然科学奖获奖成果在20世纪50年代以前，大部分成果是属于单一学科的，而在50年代以后，大部分成果则是交叉性的。

“跨界“获奖的科学家并不罕见。1908年，被誉为“原子核物理学之父”的英国物理学家欧内斯特·卢瑟福，因“对元素蜕变以及放射化学的研究”，荣获诺贝尔化学奖。

而法国著名波兰裔科学家玛丽·居里更是“跨界“达人，她在1911年因分离出纯的金属镭获得诺贝尔化学奖，此前在1903年，她因对放射性现象的研究获诺贝尔物理学奖。

瑞士天文学家迪迪埃·奎洛兹，因在宇宙认知的颠覆性贡献而获2019年诺贝尔物理学奖，开创了诺贝尔物理学奖的一个新领域。

2020年，英国数学物理学家罗杰·彭罗斯因在黑洞领域的研究工作获得诺贝尔物理学奖。好奇心爆棚的他被誉为“理论物理学的巨人”，他的贡献跨越了数学和物理学的许多领域。他把各种复杂的数学技巧引入了物理学研究的多个分支，提供了完全不同的研究思维方式。

出品：南都官微运营部

统筹：李湘莹

整合/编辑：许乐

美编：蔡沐晗

资料来源：新华社、央视新闻、中国科学报、科技日报、中国新闻网、《瞭望》、南方日报、21世纪经济报道等