我們正站在一個新的革命邊緣，這場革命的催化劑是AI。其不僅預示著未來科學發現的主導者，更將徹底改變我們對這個世界的認知方式。就像歷史上的科學革命一樣，AI的發展正在引領我們進入一個全新的時代，其中數據和算法將成為探索未知世界的新工具。”

“I had no idea I’d even been nominated for the Nobel Prize in Physics.(我都沒想過會被提名諾貝爾物理獎)”

“How could I be sure it wasn’t a spoof call.(我咋知道你們是不是惡搞我)”

John J. Hopfield和Geoffrey E. Hinton是今年諾貝爾物理獎的獲得者。 Hinton聽到這個消息時，自己都比較驚訝。 不是因為別的，而是因為他自己是搞AI的，更準確的叫法是： 人工神經網絡和機器學習。

畢竟神經網絡乍一聽，它確實不物理。

官方的評論區，也是炸了鍋。研究物理的、研究AI的、甚至研究生物的，都紛紛陷入了沉默。

中科院物理所公號的評論區，也是討論的熱火朝天。有網友調侃道：“諾獎為什么不給GPT。”

2024年諾貝爾物理學獎的揭曉，將AI在物理學領域的應用推向了高潮。John J. Hopfield和Geoffrey E. Hinton的獲獎，不僅是對他們個人成就的認可，更是對AI在解決科學難題中所扮演角色的肯定。

一個疑問是，AI為什么會獲物理諾獎？這屆物理諾獎的“出其不意”背后，到底透露了哪些信息？以及，AI和如今正在進行的產業數字變革有哪些關聯？

一、物理學與AI的深層聯系

想要知道為什么這倆人能夠獲得物理諾獎，首先需要搞明白，這倆人究竟做出了哪些成就。

“利用物理學工具，開發出了當今強大機器學習技術的基礎方法。”這是評委會表彰時的一段話。從字面上來看，很好理解，即用基于物理打造了AI技術的底層方法論。

霍普菲爾德在1982年創造出聯想神經網絡，現在通稱為霍普菲爾德網絡（Hopfield network），可以存儲并重現圖像和其他數據模式的關聯記憶技術；辛頓是反向傳播算法和對比散度算法的共同發明者，和深度學習的積極倡導者，被譽為“深度學習教父”或“AI教父”。

我們嘗試用通俗易懂的語言來解釋兩位獲獎者的發明。

想象一下，一堆磁鐵可以自由地翻轉自己的北極和南極。這些磁鐵被雜亂無章地放置在一起，但有一種特殊的規則：如果一個磁鐵的北極對著另一個磁鐵的南極，它們就會互相吸引；反之，如果兩個磁鐵的同極相對，它們就會互相排斥。這就是所謂的自旋玻璃，一種物理學中的模型，用來描述這種混亂而又相互影響的粒子集合。

現在，用這個想法來構建一個“記憶存儲器”。每個小磁鐵就像一個神經網絡中的神經元，它們可以被設置為活躍（北極）或不活躍（南極）。當你把這些“神經元”放在一起時，它們會互相影響，最終達到一種穩定狀態，就像磁鐵最終會排列好，使得排斥力最小化一樣。

Hopfield網絡就是這樣一種模仿大腦記憶方式的神經網絡。你可以把一些模式（比如一串數字或者一張圖片）“教”給這個網絡，網絡中的“神經元”就會調整自己，以便在未來能夠回憶起這個模式。這就像是把一堆磁鐵按照特定的方式排列好，然后它們就能記住這種排列，即使被打亂，也能重新恢復。

再談談Hinton的發明。