划重点
012024年诺贝尔物理学奖授予计算机科学家约翰霍普菲尔德和杰弗里欣顿，以表彰他们在机器学习领域的贡献。
02欣顿和霍普菲尔德的发现为人工智能的发展奠定了基础，如ChatGPT等AI系统。
03然而，欣顿警告称，拥有比人类更聪明的技术可能在很多方面都是好事，但也可能带来不良后果，如系统失控。
04为此，欣顿呼吁相关公司采取更加透明和负责任的措施来应对AI技术的风险。
以上内容由腾讯混元大模型生成，仅供参考
每经记者：郑雨航每经实习记者：岳楚鹏每经编辑：兰素英
2024年诺贝尔物理学奖颁给了计算机科学家约翰霍普菲尔德（John J. Hopfield）和杰弗里欣顿（Geoffrey E. Hinton），理由是他们为机器学习奠定了基础，为今天包括ChatGPT在内的人工智能（AI）铺平了道路。
毫无疑问，这一结果让很多人感到意外，因为机器学习并非传统物理学的分支领域。有网友调侃称，这是把图灵奖该干的事情给干了；也有科学家表达了不解“人工神经网络对物理学研究产生了深远的影响，但可以说它们本身就是物理学研究的成果吗？”
面对外界的疑问，诺贝尔奖官方不得不在X平台上回应：“您是否知道机器学习模式是基于物理方程？”同时，诺贝尔奖委员会也表示，利用人工神经网络的机器学习能够快速理解大量数据，已经在科学研究中发挥了重要作用，包括在物理学领域，它被用于创造“具有特定属性的新材料”。诺贝尔物理学委员会成员Anders Irbck教授盛赞道：“他们都是真正的先驱者，寻找到了解决问题的新方法。”
其实，不单是“吃瓜群众”，作为获奖者之一的欣顿本人也是一脸惊讶，“完全没想到会发生这种事”。
在获奖之余，欣顿还就AI安全发出了警告。他认为，拥有比人类更聪明的技术“在很多方面都是好事”，但“这一切的后果可能是，比我们更聪明的系统最终会掌控一切”。
当地时间2023年6月28日，加拿大安大略省多伦多，被称为“人工智能教父”的认知心理学家和计算机科学家杰弗里欣顿在碰撞技术会议上发表讲话。 视觉中国图
出人意料的获奖名单
北京时间10月8日下午5点45分，美国和加拿大科学家约翰霍普菲尔德和被外界称为“AI教父”的杰弗里欣顿被授予诺贝尔物理学奖，以表彰他们通过人工神经网络实现机器学习的基础性发现和发明，帮助计算机以更接近人脑的方式学习，为AI的发展奠定了基矗
该奖项是对AI在人们生活和工作方式中日益重要的地位的认可。诺贝尔物理学委员会主席艾伦穆恩斯（Ellen Moons）表示：“获奖者的工作已经带来了巨大的好处。在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定性能的新材料。”
诺贝尔奖委员会在X平台上的帖子中表示，霍普菲尔德博士和欣顿博士的突破“立足于物理科学的基础之上”，“他们为我们展示了一种全新的方式，让我们能够利用计算机来帮助和指导我们应对社会面临的许多挑战”。
不过，这一结果还是让无数网友大吃一惊，之前谁也没料到诺贝尔物理学奖居然会颁给计算机科学相关的研究。有网友惊呼，“这是个玩笑吗？这应该是图灵奖该干的事情。”
不单是网友，也有科学家表示不解。南安普顿大学计算机科学家、联合国AI顾问温迪霍尔教授表示，她对这一奖项的颁发感到惊讶。“诺贝尔奖没有设立计算机科学奖，以这种方式来颁发奖项是一种有趣的方式，但似乎有点牵强，”她说，“显然，人工神经网络对物理学研究产生了深远的影响，但可以说它们本身就是物理学研究的成果吗？”
面对外界的疑问，诺贝尔奖官方不得不在X平台上解释说：“您是否知道机器学习模式是基于物理方程？”
其实，不单是外界，获奖者欣顿本人都没想到自己能够“跨界”获得诺贝尔物理学奖。他在接到诺贝尔奖委员会的电话时说道：“我完全没想到会发生这种事。”当时他正在加利福尼亚州一家“廉价酒店”，他表示，这消息简直是“出乎意料”。
他们有何贡献？
欣顿出生于伦敦郊外，自20世纪70年代末以来，他大部分时间都生活和工作在美国和加拿大。
20世纪70年代初，欣顿在爱丁堡大学读研究生时开始研究人工神经网络，当时很少有研究人员认为这个想法会成功。直到2012年，他终于与其学生一起取得了突破。2013年，欣顿加入了谷歌。2023年5月，他从谷歌离职。自那以后，他持续公开呼吁谨慎对待AI技术，成为旨在引导AI系统，使其行为符合设计者利益和预期目标的“AI对齐派”代表。
2019年，欣顿与蒙特利尔大学计算机科学教授约书亚本吉奥（Yoshua Bengio）和Meta首席AI科学家杨立昆（Yann LeCun）因在人工神经网络方面的工作共同获得了图灵奖，该奖通常被誉为“计算机界的诺贝尔奖”。
相较于欣顿，霍普菲尔德则是一个正统的物理学家，因在计算机科学、生物学和物理学领域的开创性研究而闻名。他如今在普林斯顿大学担任名誉教授。
霍普菲尔德于1933年生于美国伊利诺伊州芝加哥，1958年在贝尔实验室开始了他的职业生涯，主要研究固体物质的特性。1961年，他以助理教授的身份前往加利福尼亚大学伯克利分校，并于1964年加入普林斯顿大学物理系。16年后，他前往加州理工学院担任化学和生物学教授，并于1997年回到普林斯顿大学，在分子生物学系任职。
1982年，霍普菲尔德开发了一种神经网络模型来描述大脑是如何进行联想、回忆的，即霍普菲尔德网络，这使得机器能够使用人工神经网络“存储”记忆，构成了现在所有人工神经网络的基矗
根据瑞典皇家科学院的公告，欣顿以霍普菲尔德网络为基础，发明了一个采用不同方法的新网络 玻 尔 兹 曼 机 （the Boltzmann machine），通过输入机器运行时很可能出现的示例来训练机器。玻尔兹曼机可用于对图像进行分类，或创建训练模式类型的新示例。欣顿在此基础上继续发展，帮助开启了机器学习的爆炸式发展。他在人工神经网络方面的开创性研究为ChatGPT等AI系统铺平了道路。
更值得一提的是，OpenAI联合创始人、前首席科学家伊尔亚苏茨克维（Ilya Sutskever）也是欣顿的学生。他们两人和另一名计算机科学家亚历克斯克里泽夫斯基（Alex Krizhevsky）还一起发明了卷积神经网络AlexNet。
欣顿发出AI安全警告
虽然欣顿因为其在机器学习领域的研究获得了诸多殊荣，但现在的他更多的精力集中在推动AI安全发展上。在诺贝尔奖委员会向其宣布获奖喜讯时，他也不忘就AI技术的危险性向外界发出警告。
欣顿担忧地表示：“我认为它（AI）将产生巨大的影响。它将与工业革命相媲美，它不会在体力上超越人类，而是会在智力上超越人类。”
欣顿表示，拥有比人类更聪明的技术“在很多方面都是好事”，这将带来医疗保健的大幅改善、更好的数字助理以及生产力的大幅提升。“但我们也必须担心一些可能的不良后果，尤其是这些事情失控的威胁。”他补充道，“我担心，这一切的后果可能是，比我们更聪明的系统最终会掌控一切。”
今年5月，欣顿接受记者采访的时候甚至直白地称：“很难想象如何阻止坏人利用它（AI）做坏事。”他表示：“未来5~20年，AI有一半概率比人类聪明。当它们比我们更聪明时，我不知道我们被接管的可能性有多大，但在我看来，这很有可能。”
伴随AI的飞速发展，人们对其安全性的忧虑在不断上升。
今年6月，13位来自OpenAI和谷歌的现任及前任员工联合发布了一封公开信，表达了对AI技术潜在风险的严重担忧，并呼吁相关公司采取更加透明和负责任的措施来应对这些风险。
这封信也得到了欣顿的背书，信中指出，尽管AI技术可能会给人类带来巨大益处，但其带来的风险同样不容忽视。这些风险包括加剧社会不平等、操纵和虚假传播信息，以及自主AI系统失控可能导致的人类灭绝。
每日经济新闻
