什么值得买App下载 App ›
连续签到专享现金活动

AI拿了诺贝尔物理学奖?连物理学界都懵了

2024年诺贝尔物理学奖揭晓,获奖者不是研究黑洞的,不是研究量子材料的——而是两位搞神经网络的科学家。消息一出,连物理学界自己都有点懵。约翰·霍普菲尔德和杰弗里·欣顿,一个用统计物理的思路搭起了神经网络的基础框架,一个让机器拥有了“自主学习”的能力。他们的工作凭什么拿下物理学最高荣誉?答案藏在几个被大多数人忽视的细节里。1
一块磁铁的启发
想理解霍普菲尔德的工作,得先认识一个1920年就存在的物理模型——伊辛模型。这个模型描述的是一块磁铁里无数原子自旋的排列组合:每个原子像一个小磁针,有的指上,有的指下,它们会根据邻居的状态不断调整自己的方向,最终趋向一个让整个系统能量最低的稳定状态。听起来眼熟?伊辛模型和神经网络的记忆机制,本质上是同一套数学。2
霍普菲尔德在1982年提出的网络模型,把记忆存储变成了一个“能量下山”的过程。每个要记住的模式,对应网络状态空间里的一个能量低谷。当你输入一个残缺的、带噪声的信息,网络会自发地“滚向”最近的那个低谷——也就是它原本记住的那个完整模式。这套机制,让机器第一次拥有了“联想记忆”:能从残缺信息里复原出存储的完整记忆。而这套机制的数学语言,直接借用了统计物理学。1
Hopfield在贝尔实验室与诺奖得主Philip Anderson共事的经历,让一位物理学家具备了用物理工具解决生物问题的思维。Anderson研究的是“自旋玻璃”——一种混乱无序的磁性材料,这种材料里的原子相互作用极其复杂,没有统一规律可循。Hopfield从这种混乱中学到一件事:当系统足够复杂,最有意思的行为往往不是来自单个粒子的属性,而是来自无数粒子自组织产生的集体模式。3
让机器自己找特征
如果说霍普菲尔德解决的是“记忆如何存储”,那么欣顿解决的就是“机器如何自己学会认识世界”。他在1985年前后发明的玻尔兹曼机,引入了概率的思想:网络不再硬编码答案,而是让神经元通过随机激活、不断试探,逐步“发现”数据里隐藏的特征。这个过程模拟的是物理系统趋向平衡态的统计规律,核心算法本质上是统计物理里的能量函数优化。1
玻尔兹曼机之后,欣顿一路从受限玻尔兹曼机、深度信念网络,走到反向传播算法的完善、Dropout防过拟合技术的提出。他参与复现的那条从概率模型到现代深度学习的演进路径,每一步都踩在物理学的理论地基上。今天的ChatGPT、AlphaFold这些大模型,追根溯源都能追溯到1982年霍普菲尔德网络和1985年玻尔兹曼机的核心思想。没有这两块砖,今天的AI大厦根本不会存在。4
诺奖为什么是物理学奖,不是计算机奖
这里有个关键问题:明明是AI基础研究,为什么发的是物理学奖,而不是计算机领域的图灵奖?事实上,欣顿本人已经拿过图灵奖,这次诺奖委员会特意强调,两人是用统计物理学的工具和思想构建神经网络,并非单纯写计算机算法。他们把物理里的能量、自旋、概率模型这些概念,搬进了神经网络的设计里,所以归入物理学奖。1
更深层的联系还不止于此。伊辛模型的数学结构,和霍普菲尔德网络的记忆模式完全对应;梯度下降的过程,就像一颗弹珠滚下山坡;一个无限宽广的神经网络最终会收敛到高斯过程,这个结果和量子场论里的自由场分布完全相同。这些对应关系意味着,AI训练在某种意义上就是在模拟物理系统——这不是比喻,而是严格的数学等价。研究人员甚至开始反过来用:在GPU上训练神经网络,来模拟那些需要超级计算机才能计算的量子场。2
这不只是2024年的新闻。2024年诺贝尔化学奖同样授予了AI相关工作——DeepMind的AlphaFold团队解决了蛋白质结构预测问题。同一年,物理奖和化学奖都与AI有关,这在诺奖历史上是第一次。学科之间的边界正在被打破,统计物理、神经科学、计算机科学的交叉地带,正在成为产生最重要突破的地方。5
刚领完奖,他们就开始互相拆台
讽刺的是,刚拿下诺贝尔物理学奖的两位获奖者,在AI风险问题上的立场几乎对立。欣顿离开谷歌后,成了最出名的“AI末日预言者”。他公开宣称AI有10%到20%的概率导致人类文明终结,甚至提出大模型发布前必须像新药上市一样接受FDA式审查,未经独立安全测试不准上线。他的逻辑是:AI能力进化得太快,人类的安全对齐根本追不上。6
而另一边,黄仁勋在播客里直接呛声:“仅仅因为说这话的人是科学家,不代表这句话就是科学的。”他反对用没有依据的概率数字制造社会焦虑,认为真正的解决方案是工程问题——对齐测试、隔离监控、安全没把握就不发布。但他也承认,如果开发人员无法安全控制AI,那这个产品就不该被发布。两人的分歧不在于“要不要管AI”,而在于“该用什么方式管”。7
“10%”这个数字本身有没有说服力?普林斯顿的计算机科学家专门分析过:这个数字既没有模型支撑,也没有数据验证,更没有历史样本可以参考。AI圈有个词叫p(doom),意思是“末日概率”,本质上是一个人的主观判断,不是科学计算的结果。公开给过估计的人里,数字从0%到95%都有——一个覆盖了全部可能性的概率,其实没有任何信息量。7
但这不代表焦虑没有价值。帕斯卡的赌注逻辑依然成立:就算某个按钮只有1%的概率毁灭人类,后果太严重,按下去本身就是荒唐的赌局。小概率配上极大的后果,值得花很小的代价去防范。所以真正值得较真的不是“概率是几”,而是“谁在说、凭什么说、假设是什么”。把这个思维框架带进任何AI风险的讨论里,至少能过滤掉一半的情绪噪音。7
从1982年霍普菲尔德网络到今天的大模型,从贝尔实验室的自旋玻璃到AlphaFold,AI的底层始终流淌着物理学的血液。这条线索解释了为什么诺奖发给两位神经网络先驱,而不是发给某款具体的AI产品——他们奠定的是一类学科交叉范式:把“能量最低”“概率分布”“系统自组织”这些物理学直觉,搬进了智能系统。至于这个系统最终会把人类带向哪里,现在下结论还太早,但至少有一点是确定的:不懂物理,做不好AI。8

评论

评论区空态插画

当前文章无评论,是时候发表评论了