AI奠基人获诺贝尔物理学奖背后：人机交互的终极命题

21世纪经济报道记者孔海丽 北京报道

人工智能在学术界也掀起了一波浪潮。

北京时间10月8日晚，瑞典皇家科学院宣布，来自美国的生命科学家John J. Hopfield（约翰·J·霍普菲尔德）和来自加拿大的“AI 教父”Geoffrey E. Hinton（杰弗里·E·辛顿）获得2024年诺贝尔物理学奖。

与以往不同，今年奖项并非聚焦于传统物理学研究，而是与计算机科学强相关。其中，霍普菲尔德创造了一种可以存储和重构信息的结构，辛顿则发明了可以独立发现数据属性的方法，两者对于目前广泛使用的大型人工神经网络至关重要。

诺贝尔物理学委员会表示：“John Hopfield 和 Geoffrey Hinton 利用物理学工具，构建了有助于为当今强大的机器学习奠定基础的方法。基于人工神经网络的机器学习目前正在彻底改变科学、工程和日常生活。”

两位科学家是人工智能领域最负盛名的大师，也是公认的AI奠基人。辛顿还被称为“AI教父”，OpenAI前首席科学家伊尔亚·苏茨克维（Ilya Sutskever）正是辛顿的学生之一。

有AI从业者告诉21世纪经济报道记者，诺贝尔物理学奖的颁发，正式从荣誉层面认可了两位AI奠基人的江湖地位。但无论91岁的霍普菲尔德和77岁的辛顿是否有这项荣誉加持，整个AI行业都已经从他们的理论与实践中长久获益。

Hopfield神经网络的被命名者

约翰·J·霍普菲尔德1933 年出生于美国伊利诺伊州芝加哥。他于1954年获得斯沃斯莫尔学院学士学位，1958年获得康奈尔大学物理学博士学位。曾在加州大学伯克利分校等多所名校任教，现在是霍华德-普莱尔分子生物学名誉教授。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。

1982年，霍普菲尔德发表了最著名的论文—— “神经网络和具有突发性集体计算能力的物理系统”，他将物理学的动力学相关思想引入到神经网络的构造中，用以解决一大类模式识别问题，并给出一类组合优化问题的近似解。这篇论文后来被命名为“Hopfield网络”。

根据业内人士介绍，Hopfield网络是一种结合了存储系统和二元系统的循环神经网络，它提供了模拟人类记忆的模型。Hopfield网络还是一种递归神经网络，从输出到输入均有反馈连接，每一个神经元跟所有其他神经元相互连接，又称为全互联网络。霍普菲尔德的研究推动了神经网络的早期发展，启迪人们从全新视角理解大脑的工作原理。

多年来，霍普菲尔德一直与贝尔实验室保持着密切联系。1987年贝尔实验室成功在Hopfield神经网络的基础上研制出了神经网络芯片，这正是当今人工智能的基石芯片。

此前，霍普菲尔德曾与另一位科学家共同获得2022玻尔兹曼奖。该奖项名称来源于现代著名物理学家路德维希·玻尔兹曼，设立于1975年，每三年颁发一次，获奖者必须是未获得诺贝尔奖，且不能重复申请。

霍普菲尔德将物理学原理引入神经网络，又将神经网络引入记忆和模式识别领域，而神经网络是深度学习技术核心算法之一，借由ChatGPT的横空崛起，深度学习技术点燃了今天蔚然大观的人工智能新浪潮。

做过木匠的“深度学习教父”

辛顿比霍普菲尔德小十多岁，虽然霍普菲尔德开创了早期的神经网络研究，并启发了深度学习技术，但没有证据表明辛顿曾师从过霍普菲尔德。

辛顿1947年出生在英国一个学术世家，这个家族走出了多位世界知名学者。比如，辛顿的曾外祖父是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；辛顿的姑父是经济学概念“国民生产总值”的提出者；他的表姐是核物理学家，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。

辛顿的故事有些许传奇色彩。高中毕业后，辛顿遵照家族惯例考取了剑桥大学国王学院，但那几年，他一直找不到自己的学术研究方向，在数学、物理、化学、生物和哲学等领域打转转，最后选择实验心理学方向做学士毕业论文。

大学毕业后的辛顿，依旧没有摆脱迷惘。他做了一年多的木匠，手工打造橱柜、货架和木门，但并不足以养活自己。1972年，25岁的辛顿入学爱丁堡大学，准备研究神经网络。那个时候，他并没有听说过约翰·J·霍普菲尔德的名字。辛顿当时的导师每周跟他见一次面，经常打击他：“（研究机器学习）你这是在浪费时间。”

1993年，辛顿遭遇人生最低谷。（第二任）妻子因病去世，他的两个儿子之一患有注意力缺陷多动症。而其时神经网络研究正面临瓶颈，科学界尚未公认它是人工智能发展的主流方向。“我46岁时就死在水里了。”辛顿后来说，当时认为至少要等到自己死后100年才有可能看到研究项目取得突破性进展。

这是人工智能界一则耳熟能详的故事：2009年，辛顿在实验中发现英伟达的GPU芯片非常适合运行神经网络，但芯片太贵他买不起，就给英伟达发去邮件希望对方能免费送给他一块芯片做研究之用，但没有得到英伟达的任何回复。

外界并不确定黄仁勋是否知道此事，否则他或许会略感后悔。因为三年后，杰弗里·E·辛顿的研究就取得了巨大的突破。

2001年至2014年，辛顿在多伦多大学计算机科学系任教授。2012年，辛顿和他的两个学生亚历克斯·克里泽夫斯基、伊尔亚·苏茨克维共同开发的8层神经网络AlexNet（以亚历克斯命名），在当年的ImageNet大规模视觉识别挑战赛中夺得冠军，令主办者吃惊到一度以为他们是作弊了，因为AlexNet的图像识别准确率比第二名高出十多个百分点。

当年，辛顿将初创公司卖给了谷歌并担任后者的副总裁，2023年离职。

2018年，辛顿和他的学生杨立昆以及学者约书亚·本希奥共同获得计算机领域的最高奖——图灵奖。

“AI安全”终极命题

作为AI教父，辛顿的好几名学生都相当有名。杨立昆（Yann LeCun）成了脸书母公司Meta的首席科学家，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奥特曼出现分歧而离职创业。

研究开发神经网络数十年后，辛顿终于让机器具备了深度学习的能力，但他最近几年却一直在警示，要防止人工智能失控后导致的威胁。

从谷歌离职时，辛顿透露，是为了更“自由地谈论人工智能的风险”。他说自己最担心人工智能系统超越人类，并最终反噬人类。

辛顿的学生伊尔亚·苏茨克维，在这方面传承了乃师衣钵。

业界都还记得，2023年11月OpenAI那场震惊世界的“宫斗”，正是由伊尔亚·苏茨克维发起，而他与OpenAI“灵魂人物”塞姆·奥特曼（Sam·Altman）的分歧就是AI的安全问题，前者奉行“超级对齐”，意在令超级智能与人类价值观和认知保持一致，后者信奉“有效加速主义”，追求AI的发展速度与公司商业性盈利。

今年5月苏茨克维从OpenAI离职后，该公司的“超级对齐”团队已经瓦解。

晚于苏茨克维一周离职的OpenAI安全主管Jan Leike曾公开透露，他与OpenAI高层在公司的核心优先事项上存在长期分歧，最终双方的分歧已经严重到无法调和的地步。团队在推动其研究项目和争取计算资源时遇到了重大阻碍，缺乏资源会严重影响研究的进度和质量。

彼时，马斯克针对OpenAI安全团队已经解散这一消息评价称：“这显示安全并不是OpenAI的首要任务。”

而随着近日OpenAI宣布完成新一轮融资，并将在两年内完成公司机构的重组，从非营利型公司转向营利型公司，还被曝出要求新投资者不要向包括Anthropic、xAI等在内的其余五家人工智能初创企业提供资金，这家AI巨头的走向，已经从速度与安全拉锯的状态，完全倾向于前者。

诺贝尔物理学奖的颁发，史无前例地将辛顿推到全世界的聚光灯下。据报道，这位“AI教父”接到得奖电话时正在加州的一家廉价旅馆里，打算去做核磁共振扫描。

这次获奖之后，辛顿也希望，获得诺贝尔奖能让他“更具说服力”，人们能更重视他提出的AI安全问题。

物理学衍生出了AI，生根发芽、枝繁叶茂。如今，辛顿和他的学生们对AI安全的呼吁，能否再引起人们的重视，人类与AI的交互，最终会走向何方？