霍普菲尔德1933年出生于美国芝加哥，1958年获得美国康奈尔大学博士学位■★，现任美国普林斯顿大学教授。欣顿1947年出生于英国伦敦，1978年获得英国爱丁堡大学博士学位，现任加拿大多伦多大学教授★■◆。远在人工智能成为今天的科技热词之前■■★◆，这两名科学家从上世纪80年代起就在人工神经网络领域从事重要工作。

　　今年早些时候■★◆，欣顿在接受英国媒体采访时表示“非常担心人工智能会抢走很多平凡的工作”，加剧社会不平等现象★◆◆。他认为，人工智能将提高生产率、创造更多财富◆◆■★，但这些钱会流向富人，而非那些失去工作的人◆■★★，这对社会非常不利。

　　当前人们谈论人工智能时，经常指的是使用人工神经网络的机器学习★★◆■◆★。丹尼尔松向记者强调，人工神经网络在物理学中的研究和应用已经持续了相当长一段时间■★◆，本次诺贝尔物理学奖并非颁发给过去几年人工智能的发展，不是针对大语言模型或类似的东西，而是针对基础发明◆★■◆★。

　　爱尔兰都柏林圣三一学院认知神经科学教授罗德里·丘萨克说，■■“人工神经网络最初受到神经科学的启发，并且两者之间的相互作用持续蓬勃发展。人工神经网络已被证明是大脑学习过程的宝贵模型，机器正在帮助我们了解自己■■★■，这反过来又为技术发展提供了新的途径。如果没有霍普菲尔德和欣顿的开创性工作，这一切都不可能实现。”

　　事实上◆■◆★◆，机器学习领域的元老级人物霍普菲尔德和欣顿斩获诺奖◆■◆，如诺奖官方公告所说正是因为◆★“使用物理学工具■■”◆★■。这不仅是对两名科学家成就的肯定■★，更极大强调了跨学科研究的重要性，向人们展示了物理学的深刻洞见与计算机科学创新◆◆★★■“碰撞”可以产生的巨大能量■■★★★◆。

　　诺贝尔物理学奖“意外”垂青机器学习，让多个诺奖预测集体“翻车”。看似不属于传统物理学任何一个分支领域的成果斩获诺奖，让不少学者开玩笑说，诺贝尔物理学奖在跟计算机界的图灵奖“抢饭碗”。

　　★■★■■★“如果有诺贝尔计算机学奖◆★◆，我们的成果明显会更合适。”欣顿得知自己获诺奖时大吃一惊，他在接受美国《》采访时坦言◆◆。这家美国大报如此评价欣顿★★■■★：“他不是物理学家■■■◆★★。”

　　年诺贝尔物理学奖授予美国科学家约翰·霍普菲尔德和英国裔加拿大科学家杰弗里·欣顿，以表彰他们在使用人工神经网络的机器学习方面的基础性发现和发明。

　　1982年，霍普菲尔德创建了一种用于机器的联想记忆方法，提出了一种革命性的网络结构，被称为“霍普菲尔德网络”。这个网络能够存储多个模式（比如图像），并且在面对不完整或有噪声的输入时★★，能够重构出最相似的模式。

　　对于这一结果，不少人认为有些出乎意料★◆◆■◆。诺贝尔物理学委员会秘书乌尔夫·丹尼尔松在接受《环球》杂志记者采访时表示，物理学奖可以授予理论上◆■★★、实验上或者观测上的发现★■★★，也可以授予发明，今年的获奖成果从某种意义上讲也是一种发明★★★◆■，一种可以多种方式应用的发明。

　　欣顿获奖当天在接受电话连线采访时表示，这一技术将对社会产生巨大影响，但也必须警惕这一技术可能造成的威胁，“总体后果可能是比我们更智能的系统最终控制一切”。

　　瑞典皇家科学院当天发表公报说，今年的两位诺贝尔物理学奖得主使用物理学工具，为当今强大的机器学习技术奠定了基础。

　　霍普菲尔德和欣顿的工作不仅推动了机器学习的发展，还对物理学产生了深远影响。正如丹尼尔松在接受记者采访时所说★★★◆★■，物理学的原理为两名科学家提供了思路◆◆◆★■，同时，人工神经网络在物理学中也得到了广泛应用，催生新的惊人发现。

　　确实。欣顿在科学界的声誉，更多来自“人工智能教父★■”之称★★■★◆。他曾因在人工智能深度学习方面的贡献，获得有“计算机界的诺贝尔奖”之称的图灵奖■◆。美国电子计算机协会2019年为时任谷歌副总裁的欣顿和另两名教授颁发图灵奖时，称赞三人在概念和工程学上取得突破◆■，使深度神经网络成为计算科学的关键部分。这种深度学习方法促使计算机视觉、语音识别★■★■◆、自然语言处理和机器人等领域取得突破性进展。

　　欣顿在此基础上更进一步◆◆★■■，他希望机器能像人类一样自主学习和分类信息，1985年他和同事提出了“玻尔兹曼机◆◆★◆■”的网络模型，这个名字源于19世纪物理学家路德维希·玻尔兹曼的方程。该模型通过统计物理学中的玻尔兹曼分布来识别数据中的特征，成为了现代深度学习网络的基础。欣顿的研究继续推进，导致了当前机器学习领域爆炸式的发展◆★■■★。

　　欣顿2023年从谷歌辞职时告诉英国广播公司■■★◆■★，人工智能聊天机器人表现的一些方面◆◆◆★■◆“相当可怕”。他现在也在使用ChatGPT-4做很多事情■■■，但时刻提醒自己聊天机器人不总是能给出正确答案。

　　这项技术最初的灵感来自大脑的结构。就像大脑中大量神经元通过突触相连一样，人工神经网络由大量的“节点”通过“连接”组成。每个节点就像一个神经元，而连接的强弱类似于突触的强度■★■◆★，决定了信息传递的效果。

　　诺贝尔物理学委员会主席埃伦·穆恩斯在公布奖项当天的新闻发布会上表示★◆◆◆，两名获奖者利用统计物理的基本概念设计了人工神经网络◆◆★◆，构建了机器学习的基础。相关技术已被用于推动多个领域的研究■■■■，包括粒子物理★■■◆、材料科学和天体物理等，也已用于日常生活中的人脸识别和语言翻译等。

　　机器学习的迅速发展不仅带来了巨大的机遇★★，也引发人们对于伦理和安全方面的担忧■◆★。穆恩斯强调说，人类有责任以安全且道德的方式使用这项新技术，以确保它能为全人类带来最大的利益◆◆。

　　对于自己在人工智能方面的警告◆★，欣顿希望大家不要当成笑话，而要“更加重视起来”。