诺贝尔物理学奖新篇章：AI之父的非凡成就与物理学的不解之缘！

2024 年 10 月 8 日北京时间 17 时 45 分许，约翰·J.霍普菲尔德 (John J. Hopfield) 和杰弗里·E.欣顿（Geoffrey E. Hinton）因奠定借助统计物理学思想训练人工神经网络的基础，获得 2024 年诺贝尔物理学奖。辛顿在接受电话采访时表示，我没有想到（I have no idea that will happen）。

2024年的诺贝尔奖单项奖金为1100万瑞典克朗，与2023年持平，合人民币744.117万元。

约翰·J.霍普菲尔德是美国物理学家、神经科学家，普林斯顿大学教授。霍普菲尔德 1933 年出生于美国伊利诺伊州，1958 年获得康奈尔大学博士学位。他在 1982 年发明了著名的霍普菲尔德神经网络（Hopfield neural network），这是第一个能够储存多种模式，并具备记忆功能的神经网络模型，是神经网络发展早期的一座重要的里程碑。霍普菲尔德神经网络的诞生为递归神经网络的发展铺平了道路，其提出的能量最小化原理，对于解决优化问题产生了深远影响。

杰弗里·E.欣顿是英裔加拿大计算机科学家、神经科学家，加拿大多伦多大学教授，前“谷歌大脑”负责人。欣顿 1947 年出生于英国伦敦，1978 年获得爱丁堡大学人工智能博士学位。欣顿是神经网络早期（且一直没有放弃）的重要研究者之一。20 世纪 80 年代，他为将反向传播算法（backpropagation）引入多层神经网络训练做出了重要贡献， 并发明了“玻尔兹曼机”——一种在霍普菲尔德神经网络的基础上发展而来的随机递归神经网络。在 2012 年，欣顿及两位学生 Alex Krizhevsky、Ilya Sutskever 发明的AlexNet在计算机视觉竞赛 ImageNet 中以压倒性优势取得冠军，创造了深度神经网络发展的里程碑，并激发了大量采用卷积神经网络（CNN）和图形处理器（GPU）加速深度学习的研究。欣顿与 Yoshua Bengio 和 Yann LeCun 并称为“深度学习三巨头”、“AI教父” ，共同获得 2018 年图灵奖。2023 年 5 月，在ChatGPT横空出世半年后，欣顿宣布从谷歌辞职，以便能够“自由地谈论人工智能的风险”。他对人工智能的恶意滥用、其引发的技术性失业以及人类的生存风险表达了深切的担忧。

许多人已经体验过计算机翻译语言、解释图像，甚至进行合理对话的能力。然而，不太为人所知的是，这种技术对科学研究更加重要，包括对大量数据的分类和分析。一种名叫人工神经网络（artificial neural network）的结构，推动机器学习在过去十五到二十年间迅猛发展。如今人们谈论的人工智能，一般指的就是这种技术。

尽管计算机不能思考，但机器可以模仿记忆和学习等功能。今年的诺贝尔物理学奖得主为此做出了贡献。他们利用物理学的基本概念和方法，开发出了利用网络结构处理信息的技术。

机器学习系统与传统软件不同。传统软件的工作方式类似食谱：软件接收数据，按照明确的描述进行处理，并生成结果，就像一个人采购食材，并按照食谱加工成蛋糕一样。相反，在机器学习中，计算机通过一个个例子进行学习，使其能够处理那些模糊且复杂到无法通过人类的逐步指令来处理的问题。一个典型的例子就是解读图片，并识别其中的物体。

模仿大脑

人工神经网络利用其全部网络结构来处理信息。起初，研究神经网