2024年诺贝尔物理学奖授予了约翰·霍普菲尔德（John Hopfield）和杰弗里·辛顿（Geoffrey Hinton），以表彰他们在机器学习领域的基础性贡献，这些研究为当今人工智能的广泛应用奠定了基础。霍普菲尔德是普林斯顿大学的教授，辛顿是多伦多大学的计算机科学家。他们因奠定了推动众多AI产品和应用的机器学习理论而备受赞誉。然而，辛顿也对AI的未来发展表示担忧，并为在这一问题上能更自由发言，与前雇主谷歌断绝了关系。
诺贝尔物理学奖委员会成员马克·皮尔斯（Mark Pearce）在接受CNN采访时表示：“他们的研究成果是我们今天所体验到的人工智能的基石。” 10月7日（周一），该委员会在瑞典宣布了这一殊荣，诺贝尔物理学奖被视为科学界的最高成就。此次奖项的奖金为1100万瑞典克朗（约合100万美元）。被誉为“AI教父”的辛顿对获奖感到“非常震惊”。
AI的“巨大影响”
当被问及他所研究的技术可能带来的深远影响时，辛顿表示，人工智能将对我们的社会产生“巨大的影响”。“这将与工业革命相提并论。不同的是，它不是超越人类的体力，而是超越人类的智力。我们从未有过面对比我们更聪明的事物的经验，”他在获奖宣布后接受电话采访时说道。辛顿预测，AI技术将彻底改变诸如医疗等领域，带来“巨大的生产力提升”。“但我们也必须警惕可能出现的不良后果，特别是这些系统失控的威胁，”他警告道，“我担心，最终的结果可能是这些系统比我们更聪明，并最终掌控我们。”
诺贝尔物理学委员会主席艾伦·穆恩斯（Ellen Moons）表示，由于获奖者的研究成果，人工智能已“融入我们日常生活的一部分”，从面部识别到语言翻译等应用广泛。“获奖者的发现和发明构成了机器学习的基石，有助于在诊断医疗状况时做出更快速且更可靠的决策。”美国物理学研究所首席执行官迈克尔·莫洛尼（Michael Moloney）告诉CNN，诺贝尔奖得主的研究改变了科学，使得机器学习系统能够处理海量数据，帮助科学家发现传统方法无法识别的模式。“40年前，人们对这些神经网络感到非常兴奋，但当时我们还没有足够的技术来真正实现和利用这些发现。随着时间的推移，如今我们具备了这一能力，技术发展极为迅速。生成式AI系统和机器学习系统已经在改变寻找系外行星的方式，而这只是众多应用中的一个例子。”
模仿大脑
AI已成为使用人工神经网络进行机器学习的简称。这项技术——由霍普菲尔德和辛顿开发——基于大脑的结构。大脑有神经元，而人工神经网络则由具有不同数值的节点组成。大脑的神经元通过突触相互通信，而人工节点通过连接彼此影响。通过加强节点之间的连接，正如训练大脑一样，人工神经网络也能够通过训练进行学习。正如我们有时会绞尽脑汁回忆起一个很少使用的单词或事实，人工神经网络也能够通过其存储的模式进行搜索——这得益于霍普菲尔德于1982年发明的霍普菲尔德网络。
皮尔斯说道：“霍普菲尔德对是否能够建立一个受大脑启发的物理系统感到好奇，即一个由相互连接的小型计算神经元组成的网络。他想了解是否有可能在这样一个简单的系统中实现学习。结果证明，这是可行的。”在霍普菲尔德发表研究成果后，辛顿运用统计物理学的思想扩展了这一研究，并开发了最早的机器学习形式之一，称为“玻尔兹曼机”。“辛顿特别证明了，可以使用这些网络在数据中识别出模式。”
自20世纪80年代以来，神经网络的规模大幅增长。霍普菲尔德最初使用的网络只有30个节点，连接它们的参数不到500个，而如今用于驱动ChatGPT等系统的网络，其参数数量已超过一万亿个。与传统软件按步骤执行程序类似于遵循食谱制作蛋糕不同，人工神经网络可以通过示例进行学习，并基于先前的知识进行推理。
吹哨人
作为AI领域的先锋，辛顿对这项技术也保持谨慎态度。2023年5月，他离开了谷歌，决定“揭露”自己的担忧，因为他担心AI变得越来越智能。辛顿去年在接受CNN采访时表示：“我只是一个突然意识到这些东西比我们更聪明的科学家。我想敲响警钟，告诉大家我们必须认真考虑如何防止这些技术掌控我们。”他警告说，AI“懂得编程，因此会找到绕过我们设置的限制的方法，并可能操控人们去实现它的意图。”
在10月8日（周二）的颁奖仪式上，辛顿被问及是否后悔帮助创造了他担心可能带来巨大危害的技术，尽管该技术也有许多潜在的好处。他回答道：“有两种后悔。一种是你做了你明知道不该做的事，然后感到内疚。另一种是你做了一件即使在相同情况下你仍会再做的事，但它可能最终不会带来好的结果。”辛顿补充说：“我属于第二种情况。在相同的情况下，我还会做出同样的选择，但我担心最终的结果可能是这些系统变得比我们更聪明，并最终掌控我们。”
（图片源于CNN）
未经允许不得转载：城市新闻网icitynews » “AI教父”夺诺贝尔奖却发出末日警告：AI或将接管人类！
