今年诺贝尔奖的一大看点，就是将物理学奖颁给了两位人工智能领域的先驱。很多人感到意外，获奖者本人都表示十分意外，物理学界还掀起了一场讨论。其原因在于，无论是美国普林斯顿大学约翰·霍普菲尔德的“霍普菲尔德网络”，还是加拿大多伦多大学杰弗里·辛顿的“玻尔兹曼机”，成果都太“计算机学科”了，与传统的对物理学的理解不是一码事。
那物理学界是不是没什么拿得出手的成果呢？显然不是，有科学网站曾提前预测一批有资格获诺奖的物理学家。只能感叹，诺奖也面临着僧多粥少的局面。
在诺奖颁布之前，其官网曾放出一个对评审的采访视频。她透露了诺奖出炉的过程：每年每个奖项的候选人都有数百人之多，评审们会细细斟酌，进行现场投票，最终决定花落谁家。
结果大家都知道了，人工智能成为了今年诺贝尔物理学奖的“主角”——表彰他们“为利用人工神经网络进行机器学习做出的基础性发现和发明”。此前，物理学奖还从未直接颁发给任何一项与计算机科学相关的研究。
显然，诺奖要给自己的决定找到足够的理由。“他们用物理学寻找到了信息中的模式。”诺奖官网上的标题相当显眼。一个“用”字（use），说明这只是使用了物理学的工具，而不是物理学本身的成就。
获奖者之一——约翰·霍普菲尔德在1982年发明了“霍普菲尔德网络”。这种网络能够存储多个模式，并且在获得不完整或者有噪声的输入信息时，依然能够重构出最相似的存储模式。约翰·霍普菲尔德是从物理学研究中得到了灵感。他发现，磁性物质由于自身的原子自旋性，使得相邻原子的自旋相互连接，利用这一特性，可以建立一个带有节点和连接的模型网络。这就是神经网络的雏形。
与此同时，另一名获奖者——杰弗里·辛顿正在思考如何让机器学会以人类的方式来处理信息。他和同事在“霍普菲尔德网络”的基础上，运用统计物理学的思想，有了自己的新发现——以19世纪物理学家路德维希·玻尔兹曼的名字命名的“玻尔兹曼机”，是生成式模型的早期范例。一个经过训练的“玻尔兹曼机”可以识别出它以前从未见过的信息中熟悉的特征。是的，辛顿的成果让机器学会了“学习”。
虽然两位获奖者的成果属于计算机学科，但是没有物理学的基础和帮助，就无法实现跨越时代的成就。所以，诺奖评委会认为，二位在20世纪80年代的工作，为2010年左右开始的机器学习革命奠定了基础。
即使贵如诺贝尔奖，也无法对AI领域的一系列突破视而不见。只是，当年的诺贝尔先生显然无法预料到百年之后的科技；突破传统的奖项定义，强调交叉领域的互补互强、让自己追赶上时代潮流，亦是必然。
看看隔壁的化学奖，一是表彰在“计算蛋白质设计”领域的成就；一是表彰在“蛋白质结构预测”上的贡献。说简单点，化学奖也给了AI。
所以，也有人说，别再区分物理、化学了，直接改名科学奖就完事了。毕竟，在未来，哪个领域用不到AI？哪怕是文学奖，你就能保证将来不会有AI的身影吗？
（文章来源：羊城晚报）
