10月8日,美國科學家約翰·霍普菲爾德和英裔加拿大科學家杰弗里·辛頓,因在使用人工神經(jīng)網(wǎng)絡機器學習方面的基礎性發(fā)現(xiàn)和發(fā)明而榮獲2024年諾貝爾物理學獎。
得知諾獎授予人工智能領域的研究者,上海交通大學人工智能學院教授張婭既震驚又激動。“震驚的是諾貝爾物理學獎竟然頒給了計算機科學家,激動的是人工智能領域獲得了更廣泛的認可。”張婭說。
在人工智能領域作出奠基性貢獻
人工神經(jīng)網(wǎng)絡是一種模擬人腦神經(jīng)元工作方式的機器學習模型,旨在通過模仿大腦的工作方式來處理復雜的計算問題。如今人工神經(jīng)網(wǎng)絡被廣泛應用于醫(yī)學、工程等各個領域,而且有望用于設計下一代計算機。
“表面上看,2024年諾貝爾物理學獎授予了人工智能領域,但從更廣泛的意義上講,這個獎實際上授予了理論物理學。”中國科學院自動化研究所研究員、聯(lián)合國人工智能高層顧問機構(gòu)專家曾毅說,兩位獲獎者的研究背景都起源于物理學。
剛剛獲獎的兩位科學家,在人工神經(jīng)網(wǎng)絡研究方面做了很多奠基性工作。
“辛頓提出了反向傳播算法,讓人工神經(jīng)網(wǎng)絡的訓練成為了一種可能;霍普菲爾德提出了霍普菲爾德網(wǎng)絡,這個網(wǎng)絡對早期人工神經(jīng)網(wǎng)絡發(fā)展具有重要意義,20世紀80年代,許多物理學家都曾利用霍普菲爾德網(wǎng)絡實現(xiàn)了由物理學到神經(jīng)科學的跨越。”張婭說。
“1986年,辛頓發(fā)表了反向傳播算法的經(jīng)典論文。雖然反向傳播算法誕生于20世紀60年代,但這篇論文讓人們真正認識到它的重要性,掀起了神經(jīng)網(wǎng)絡研究領域的‘文藝復興運動’。”商湯智能產(chǎn)業(yè)研究院院長田豐說,今天,生成式人工智能大模型、多模態(tài)大模型的訓練都離不開反向傳播算法。
“從人工智能的視角觀察,可以說他們兩位最核心的科學貢獻,是將起源于理論物理、生物物理兩個學科的理論成功應用于構(gòu)建人工智能科學理論。學科交叉研究為人工智能開辟了新天地。”曾毅說。
曾毅認為,霍普菲爾德對記憶與關聯(lián)學習的智能理論計算模型貢獻很大,該模型在結(jié)構(gòu)上是一個典型的循環(huán)神經(jīng)網(wǎng)絡,其結(jié)構(gòu)類似于人腦中的海馬體腦區(qū);而辛頓對深度神經(jīng)網(wǎng)絡及其訓練方法的貢獻,主要在層次化與抽象化學習的智能理論計算模型方面,該模型在結(jié)構(gòu)上是一個典型的層次化神經(jīng)網(wǎng)絡,相似的結(jié)構(gòu)可以在人類大腦皮層連接模式中找到。
堅守曾經(jīng)走不通的冷門專業(yè)
被譽為“AI教父”的辛頓,是現(xiàn)代俗稱的人工智能三巨頭之一,目前國際上活躍的很多人工智能專家都是他的學生或同事,比如,openAI曾經(jīng)的首席科學家伊利亞·蘇茨克韋爾就是他的博士生。
“辛頓在1978年獲得人工智能博士學位后,正趕上人工智能低谷期。那個時候人工智能領域的主流理論是符號主義和專家系統(tǒng),神經(jīng)網(wǎng)絡這條路一度走不通。然而,辛頓并沒有放棄,一直堅持在神經(jīng)網(wǎng)絡領域做探索。”田豐說,直到2000年左右GPU興起,辛頓才取得一些重大突破。此后,他帶領學生一路披荊斬棘,在人工智能領域獲得多個里程碑式成果。
“可以說,辛頓在青年時期很苦,那時候神經(jīng)網(wǎng)絡這個研究方向看不到希望,因為那時候既沒有海量的互聯(lián)網(wǎng)數(shù)據(jù),也沒有強大的GPU算力,只有算法,神經(jīng)網(wǎng)絡這條路顯然是走不通的。同時人工智能也是一個冷門專業(yè),學這個專業(yè)的人也不好找工作。”田豐告訴科技日報記者,而人工智能的快速發(fā)展,卻得益于辛頓在學術上的堅守。
現(xiàn)在,辛頓高度關注人工智能的安全風險。“針對人工智能可能產(chǎn)生濫用惡用、人工智能對人類可能造成的生存風險,辛頓不僅進行了理論研究,還積極面向公眾開展演講,以提升公眾對人工智能風險的認知。”曾毅說。
在曾毅看來,與諸多獲得諾貝爾獎的科學成果一樣,霍普菲爾德和辛頓的科學貢獻都經(jīng)受住了時間和實踐的檢驗。
“受理論物理與生物物理啟發(fā)的人工神經(jīng)網(wǎng)絡理論與模型,不僅是現(xiàn)代人工智能最重要的理論基礎之一,近兩年在諸多科學領域也取得了顯著和廣泛的應用效果,正在改變甚至是顛覆諸多學科的研究范式。”曾毅說。
(記者 陸成寬)