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·J·霍普菲尔德和杰弗里·E·辛顿，表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。两位获奖者从20世纪80年代起就开展了与物理学相关的人工神经网络的重要工作。他们将平分1100万瑞典克朗（约合745万元人民币）奖金。
诺贝尔物理学委员会主席埃伦·穆恩斯表示，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。她同时警告说，机器学习的快速发展也引发了人们对未来的担忧，人类有责任以安全且道德的方式使用这项新技术。
灵感源自人脑结构
当我们谈论人工智能时，通常指的是使用人工神经网络的机器学习。这项技术最初是受到大脑结构的启发。
大脑的神经网络是由活细胞、神经元和先进的内部机制构成的。它们可以通过突触相互传递信号。当我们学习东西时，一些神经元之间的联系变得更强，而另一些神经元之间的联系变得更弱。
在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过连接相互影响，这些连接可以被比作突触，可以增强或减弱。例如，通过在同时具有高值的节点之间建立更强的连接来训练网络。
由磁性材料特性
建立的“霍普菲尔德网络”
今年的两位诺贝尔物理学奖得主使用物理学工具开发了今天机器学习技术的基础方法。
约翰·霍普菲尔德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。
霍普菲尔德创造了一种联想记忆，可以存储、重建图像和其他类型的数据模式。当给定一个不完整或稍微扭曲的网络模式时，霍普菲尔德的方法可以找到最相似的存储模式。
磁性材料由于原子自旋而使得每个原子都能成为一个微小的磁铁，相邻原子的自旋相互影响。得益于对磁性材料的了解，霍普菲尔德利用描述自旋相互影响时材料如何发展的物理学原理，建立了一个具有节点和连接的模型网络。这种网络后来也被叫做“霍普菲尔德网络”。
随着“霍普菲尔德网络”的运作细节持续发展，它变得可以存储任何值的节点，而不仅是0或1。如果把节点想象成图片中的像素，它们可以有不同的颜色，而不仅是黑色或白色。这种改进过的方法使保存更多的图片成为可能，即使它们非常相似，也可以区分它们。
他曾警告“人工智能”的危险
记住一幅图像是一回事，但要解释它所描绘的内容需要更多的东西。
杰弗里·辛顿1947年出生于英国伦敦，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。
辛顿将霍普菲尔德网络的想法应用于一种新网络，这种新网络使用另一种方法：玻尔兹曼机。玻尔兹曼机可以学习给定数据类型的特征元素，可以用来分类图像或创建新材料。这种机器学习帮助推动了当今机器学习的快速发展。
玻尔兹曼机在现实生活中已有不少应用，例如它可以根据观众的喜好推荐电影或电视剧。
2018年，辛顿因在机器学习方面的贡献被授予“图灵奖”。他因此被视为“人工智能教父”。
辛顿去年辞去了谷歌的职位，这样他就可以更自由地谈论“人工智能”的危险。他曾警告说，人工智能“知道如何编程，所以它会想出绕过我们对它施加的限制的方法。它会想出操纵人们做它想做的事情的方法”。
10月8日得知获奖后，辛顿感到震惊。当诺贝尔委员会通过电话联系到他时，他说：“我惊呆了。我不知道会发生这样的事。”
“这将与工业革命相提并论”，辛顿预测，人工智能最终将对文明产生“巨大影响”，带来生产力和医疗保健的改善。“它不是在体力上超越人类，而是在智力上超越人类。人类一直都是最聪明的，面对比人类更聪明的存在，我们完全没有经验。在很多方面，这将是美妙的。但我们也必须担心一些可能的不良后果，特别是失控的威胁”。
记者 王岳杭 综合新华社等报道