文｜硅兔賽跑 Xuushan

編輯｜蔓蔓周

諾貝爾物理學獎頒給了兩位AI大牛！

人工智能頂尖研究員、多倫多大學名譽教授Geoffrey E. Hinton與普林斯頓大學的John J. Hopfield共同獲得了2024 年諾貝爾物理學獎。獲獎理由為“因推動利用人工神經網絡進行機器學習的基礎性發現和發明”。

諾貝爾官網寫道，兩位諾貝爾物理學獎得主利用物理學工具開發出的方法，為當今強大的機器學習奠定了基礎。John Hopfield發明了一種聯想記憶，可以存儲和重建圖像和其他類型的數據模式。

Geoffrey Hinton發明了一種可以自主查找數據屬性的方法，從而執行諸如識別圖片中特定元素等任務。

Geoffrey Hinton“獲獎者的工作已經產生了巨大的效益。在物理學領域，我們將人工神經網絡應用于廣泛的領域，例如開發具有特定屬性的新材料，”諾貝爾物理學獎委員會主席Ellen Moons說道。兩位獲獎者將分享價值1100萬瑞典克朗（810,000 英鎊）的獎金。

自從離開谷歌之后，Hinton一致致力于讓人們看到AI快速發展的“危害性”一面。

在一家網絡信號不好的快捷酒店房間內，這位剛剛誕生的諾貝爾獎得主接受了多家外媒的采訪，分享了他獲獎之后的感想，也回應了有關“物理學獎”的爭議，以下是基于原文基礎上進行的編譯，enjoy～

恭喜恭喜。當您聽到今天早上的新聞時，您的反應是什么？

Hinton：我非常震驚、驚訝和震驚。我從來沒有想到過這一點。神經網絡是計算機技術。

這與物理學有何關系？

Hinton：霍普菲爾德網絡及其進一步發展而來的波爾茲曼機（Boltzmann machine）都是基于物理學的。霍普菲爾德網絡使用能量函數，波爾茲曼機使用統計物理學的思想。因此，神經網絡發展的這一階段確實在很大程度上依賴于物理學的思想。

但實際上，構建如今使用的 AI 模型所用的技術是一種不同的技術，稱為反向傳播。這與物理學關系不大。玻爾茲曼機和反向傳播有什么關系？

Hinton：目前，兩者之間沒有太大聯系。它們是關于如何讓神經網絡運行的兩種替代理論。早期，我曾設法利用玻爾茲曼機“預訓練”反向傳播網絡，將它們結合起來。但人們不再這樣做了。

預訓練是什么意思？您能用讀者能理解的語言來解釋嗎？

Hinton：這讓我想起物理學家理查德費曼獲得諾貝爾獎時說的話。一位記者問他：“費曼教授，您能否用幾分鐘的時間解釋一下您為何獲得諾貝爾獎？”費曼回答道：“聽著，伙計，如果我能用幾分鐘的時間解釋清楚，就不值得獲得諾貝爾獎了。”可以肯定地說，玻爾茲曼機對人工智能來說是一條死路——研究轉移到別處了？

Hinton：我認為這個想法就像是一種催化劑。催化劑能幫你跨越障礙——即使它不是最終解決方案的一部分。玻爾茲曼機就像一種催化劑。它幫助我們克服了“如何訓練深度神經網絡？”的障礙。它使訓練深度神經網絡變得更容易。一旦我們學會了如何訓練深度神經網絡，我們就不再需要玻爾茲曼機了。您是否直接與約翰·霍普菲爾德合作過這些想法？

Hinton：沒有。我讀過他的論文。但我的主要合作者之一Terry Sejnowski與Hopfield共事過，并在Hopfield的指導下獲得了博士學位。

您獲得這個物理學獎奇怪嗎？

Hinton：如果有計算機科學領域的諾貝爾獎，我們的工作顯然更適合獲獎。但是，沒有這樣的獎項。這是一個很好的表達方式。

Hinton：也算是一種暗示吧。是的，也許我們需要一個計算機科學諾貝爾獎。

無論如何，您因幫助創造了一項您現在擔心會給人類帶來嚴重危險的技術而獲得了諾貝爾獎。您對此有何感想？

Hinton：獲得諾貝爾獎可能意味著人們會更加重視我。當您警告未來的危險時，會更加重視嗎？

Hinton：是的。

您認為您的研究成果所幫助開發的技術潛在意義是什么？

Hinton：它將與工業革命相媲美。但它不會在體力上超越人類，而是在智力上超越人類。我們從未體驗過比我們更聰明的事物是什么樣的。這項技術將徹底改變醫療保健等領域，帶來“生產力的巨大提高”。但我們也不得不擔心一些可能出現的不良后果，尤其是事態失控的威脅。我擔心，最終的后果可能是比我們更智能的系統將掌控一切。您是否后悔自己幫助創造這項技術？

Hinton：后悔有兩種。一種是因為你做了一些明知不該做的事情而感到內疚；另一種是如果你做了一些在同樣情況下你會再次做的事情，但最終結果可能并不好。我的遺憾是第二種。在同樣的情況下，我還會這么做，但我擔心，這種做法的總體后果可能是，最終比我們更聰明的系統會掌控一切。

參考鏈接：

https://www.nytimes.com/2024/10/08/technology/nobel-prize-geoffrey-hinton-ai.html

https://edition.cnn.com/2024/10/08/science/nobel-prize-physics-hopfield-hinton-machine-learning-intl/index.html