昨天上午，2024年物理诺贝尔学奖揭晓，来自美国的约翰 ·J· 霍普菲尔德 John J.Hopfield和来自加拿大的杰弗里 ·E· 辛顿 Geoffrey E.Hinton 获奖，以表彰他们基于“人工神经网络实现机器学习的基础性发现和发明”。**
就在大家惊呼之余，他们本人在接受电话采访时表示：：“完全没想到”因为之前诺贝尔物理学奖，还从未出现过颁发给该领域之外的相关研究人员，特别是软件算法方面，更是没有先例。而说到计算机科学领域最高荣誉奖时，一般指的是图灵奖
网友们纷纷都不淡定了，难道AI能替代物理做学术研究啦！更有人直呼“物理学不存在了吗？”，为什么要把奖颁给搞AI的
于是我梳理了下两位大神研究的领域以及成果，就一点也不用惊讶了
其中约翰 ·J· 霍普菲尔德 John J.Hopfield，他发明了一种具有联想记忆功能的神经网络模型，可以存储和重建图像及其他类型的数据，对人工智能和神经网络发展具有奠基作用，这个方法其实是基于物理学里的原子自旋理论产生的
而杰弗里 ·E· 辛顿 Geoffrey E.Hinton，他发明了一种可以自主查找数据属性的方法，从而执行识别图片中特定元素等任务。他凭借玻尔兹曼机以及反向传播算法、分布式表示等研究被业内誉为“AI先驱”，而该方法使用了统计物理学工具果然宇宙的尽头还得是物理学啊！！！
而借着这个机会，我们也去了解了下两个大佬，发现人家的成就能拿奖完全说得过去。
现年91岁的约翰 ·J· 霍普菲尔德 John J.Hopfield是美国著名的物理学家、生物学家和神经科学家，1958年获得美国纽约州伊萨卡康奈尔大学博士学位，现任美国新泽西州普林斯顿大学教授。
他曾在贝尔实验室做过技术人员，1982年发表了 “Neural networks and physical systems with emergent collective computational abilities”（《具有涌现集体计算能力的神经网络和物理系统》）论文，是他被引用次数最多的论文，1986年参与创立了加州理工学院的计算与神经系统博士项目。
约翰 ·J· 霍普菲尔德 John J.Hopfield提出的霍普菲尔德网络是一种具有联想记忆功能的神经网络模型，在当时使得遭受质疑而陷入停滞的神经网络重新成为AI重要研究方向，为后续神经网络的蓬勃发展奠基。
打个比方，你在试图回忆一个不常用的成语，可能会先想他的近义词啥的，最终想起了这个成语。
霍普菲尔德网络的工作方式就与此类似，当给 AI 一个不完整的信息时，它能够找到最相似的存储信息。
这么一来，霍普菲尔德网络就能修复损坏的数据，比如去除图片中的噪点。
乍一听，这个玩意儿根本不物理，反而很 AI 是吧。
而现年77岁的Hinton是一位英裔计算机科学家，1978年在英国爱丁堡大学获得博士学位，现任加拿大多伦多大学教授，图灵奖得主，被称为“深度学习之父”
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）
它是一种基于统计物理学的网络，可以学习识别给定类型数据中的特征元素
Hinton使用了统计物理学的工具，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。Hinton在此基础上继续发展，帮助开启了机器学习的爆炸式发展
玻尔兹曼机能够像人一样自主学习。
比如你给它看不停地看很多火锅的帅照，就能生成一张新的，看起来很像火锅的大金毛图像。
这也就是后来的深度学习、人工神经网络的雏形。
随着研究不断深入，辛顿也逐渐开创了一个新的学术分支：深度学习，这为人工智能的发展打下了坚实的基础
总的来看虽然两位大神所从事的研究不是物理学领域，但内容和成果确都是以物理学为基础的，如今的人工神经网络已经为物理学带来了新的使用场景，比如开发具有特定属性的新材料等等。
而这些成就，显然足以抹去什么学科之见
AI领域基础研究在当下节点上获得国际重量级的诺贝尔奖，体现了AI的巨大效益和对人类发展的深刻影响日益显著。
