諾貝爾物理學獎竟然頒給AI?原來是這個原因...

就在10月8日，瑞典皇家科學院宣布將2024年諾貝爾物理學獎授予John J. Hopfield和Geoffrey E. Hinton，以表彰他們(men) 利用人工神經網絡實現機器學習(xi) 的奠基性發現和發明。

平時沒有特別關(guan) 注物理學界的話，可能並不是太了解這兩(liang) 位學者。先來看看這兩(liang) 位大佬的基本介紹！

約翰·霍普菲爾德現任美國普林斯頓大學教授。

他創造了一種關(guan) 聯記憶，能夠存儲(chu) 和重構圖像以及其他模式類型，為(wei) 機器學習(xi) 、聯想記憶、模式識別、優(you) 化計算等多個(ge) 領域的發展奠定了基礎。

John J.Hopfield

Geoffrey Hinton

傑弗裏·辛頓現任加拿大多倫(lun) 多大學教授。

辛頓發明了能夠自主發現數據中屬性的方法，如識別圖像中的特定元素。他利用統計物理學的工具，對霍普菲爾德網絡進行隨機擴展，開發出了“玻爾茲(zi) 曼機”，用於(yu) 分類圖像等任務。

總結來說，兩(liang) 位學界大佬都是為(wei) 人工智能發展做出重要貢獻的人物。

這也導致消息一出，不少物理領域的學生直呼看不懂：“太抽象了！”；“跟圖靈獎搶人？”；“誰還搞傳(chuan) 統物理啊？”；“物理學不存在了！”。

來源：小紅書(shu)

今年諾獎的物理學獎確實顛覆分類，並且非常反直覺，連中科院的預測都失望敗北。

來源：中科院物理所

不管往年物理學獎獲得者研究的課題究竟是量子還是天體(ti) ，但起碼都有一個(ge) 共同點是解決(jue) 了一個(ge) 具體(ti) 的物理問題。

諾貝爾物理學獎年鑒

2023年諾貝爾物理學獎

美國俄亥俄州立大學名譽教授皮埃爾·阿戈斯蒂尼（Pierre Agostini）、匈牙利/奧地利物理學家費倫(lun) 茨·克勞斯（Ferenc Krausz）和瑞典隆德大學教授安妮·呂利耶（Anne L’Huillier）因在阿秒脈衝(chong) 光方麵所做出的貢獻共同獲獎。

2022年諾貝爾物理學獎

法國物理學家阿蘭(lan) ·阿斯佩 （Alain Aspect）、美國理論和實驗物理學家約翰·弗朗西斯·克勞澤（John F. Clauser）和奧地利科學家安東(dong) ·塞林格（Anton Zeilinger）因在量子信息科學領域的研究共同獲獎。

2021年諾貝爾物理學獎

日本科學家真鍋淑郎（Syukuro Manabe）、德國科學家克勞斯·哈塞爾曼（Klaus Hasselmann）和意大利科學家喬(qiao) 治·帕裏西（Giorgio Parisi）因對複雜係統的理解作出了開創性貢獻共同獲獎。

2020年諾貝爾物理學獎

英國科學家羅傑·彭羅斯（Roger Penrose）因發現了宇宙中最奇特的現象之一——黑洞；德國科學家賴因哈德·根澤爾（Reinhard·Genzel）和美國科學家安德裏亞(ya) ·蓋茲(zi) （Andrea·Ghez）因發現銀河係中心的超大質量致密天體(ti) ，共同獲獎。

2019年諾貝爾物理學獎

美國科學家詹姆斯·皮布爾斯（James Peebles）因“在物理宇宙學上的理論發現”獲獎，瑞士科學家米歇爾·馬約爾（Michel Mayor）和迪迪埃·奎洛茲(zi) （Didier Queloz）因“發現一顆環繞類太陽恒星的係外行星”共同獲獎。

2023年的諾獎關(guan) 鍵詞是阿秒光學；2022年是量子信息科學；2021年是複雜係統；2019年和2020年是天體(ti) 物理，2024年確實是畫風突變。

為(wei) 什麽(me) 畫風突變？

這兩(liang) 個(ge) 原本看似毫不相關(guan) 的領域，其實存在著雙向的聯係。在過去，物理學家們(men) 主要依靠理論推導、實驗觀測和數值模擬來揭示自然界的規律。

然而，這些傳(chuan) 統方法在麵對大規模複雜係統時，往往顯得力不從(cong) 心。

而人工智能（AI）技術的出現，為(wei) 物理學研究開辟了一條全新的道路。

AI能夠從(cong) 海量數據中挖掘出隱藏的規律，加速理論建模和實驗設計，甚至幫助我們(men) 發現那些未曾預料的新現象。

一方麵，物理學的理論基礎，如量子理論，為(wei) AI算法和模型的發展提供了重要支持，尤其是在量子機器學習(xi) 領域。

另一方麵，AI技術為(wei) 解決(jue) 物理學問題提供了新的計算工具和方法論，使得人類能夠更高效地探索和理解自然界的奧秘。

AI技術的核心之一是機器學習(xi) 。機器學習(xi) 致力於(yu) 讓計算機具備自動學習(xi) 和改進的能力。

通過對海量數據的訓練，深度神經網絡能夠自動提取數據的特征，並對複雜模式進行建模和預測。

有一個(ge) 形象但不嚴(yan) 謹的比喻，以前物理學家是用鋸子砍樹，而AI提供了電鋸，這次諾獎就是頒給了電鋸的發明者。

這會(hui) 產(chan) 生什麽(me) 影響呢？

將諾貝爾物理學獎授予機器學習(xi) 領域的科學家，將會(hui) 對AI研究和應用的未來具有深遠的影響。

• 學術和工業(ye) 界的關(guan) 注提升：這一獎項的頒發將顯著提升機器學習(xi) 和AI領域在學術界和工業(ye) 界的關(guan) 注度，吸引更多優(you) 秀人才投身於(yu) 這一領域。

• 技術的進一步發展和創新：激發更多的跨學科研究，促進物理學、計算機科學和人工智能等領域的深度融合，推動技術的進一步發展和創新。

• 科學研究的範式變革：AI技術已成為(wei) 推動科學創新的重要力量，新的科研範式和機遇與(yu) 挑戰隨之出現。

• 跨學科合作的重要性：AI在推動科學創新方麵的作用以及跨學科合作在科學發現中的變革性作用得到了認可，這強調了不同學科之間合作的重要性。

這一獎項的頒發不僅(jin) 是對約翰·霍普菲爾德和傑弗裏·辛頓在利用人工神經網絡實現機器學習(xi) 方麵奠基性發現和發明的認可；

更是對整個(ge) 人工智能AI，尤其是機器學習(xi) 領域及其在自動化、個(ge) 性化服務和智能決(jue) 策支持係統中關(guan) 鍵作用的肯定。

諾獎的頒獎風向給我們(men) 指明了什麽(me) 方向呢？

“You can't spell physics without CS.”

（如果沒有計算機科學你甚至無法拚寫(xie) 物理學。）

縱觀這些年的美本申請，越來越傾(qing) 向跨學科領域的複合人才，也湧現越來越多的交叉學科項目，這和當前前沿的科研對人才寬度的要求是分不開的。

辛頓和霍普菲爾德在心理、數學、物理、生物、機器學習(xi) 等領域都紮根頗深，如今的科研大牛都是如此的技多不壓身。

也無怪乎近年諾獎經常發生把物理學獎頒給數學家、把化學獎頒給生物學家的跨界頒獎。

計算機+X=王炸組合

CS+X學位是一種創新的教育模式，它將計算機科學與(yu) 其他領域(如經濟、藝術、科學等)的專(zhuan) 業(ye) 知識相結合，為(wei) 學生提供了跨學科的教育。

比如，CS排名前十的伊利諾伊大學香檳分校就推出了一個(ge) 跨學科的本科項目，CS+X。

該項目的學生需要完成計算機科學的核心課程，如數據結構與(yu) 算法、人工智能與(yu) 機器學習(xi) 等，同時還需要完成另一門學科的專(zhuan) 業(ye) 課程。

比如，CS + Economics 的學生不僅(jin) 需要學習(xi) 計算機科學的內(nei) 容，還要掌握經濟學的基礎知識，如宏觀經濟學、微觀經濟學等。

CS後邊的X還可以替換成其他各類學科：

•CS+Linguistics（計算機科學與(yu) 語言學）

•CS+Anthropology（計算機科學與(yu) 人類學）

•CS+Music（計算機科學與(yu) 音樂(le) ）

這種學位的優(you) 勢在於(yu) ，它不僅(jin) 提供了堅實的計算機科學基礎，還擴展了學生的知識範圍，使他們(men) 能夠在多個(ge) 領域內(nei) 應用計算技術。

畢業(ye) 生因此能夠適應多變的職業(ye) 市場，無論是進入職場還是繼續深造，都將具有競爭(zheng) 優(you) 勢。

相比於(yu) 名校中傳(chuan) 統的CS或數據科學專(zhuan) 業(ye) ，CS+X專(zhuan) 業(ye) 還比較新，沒那麽(me) 卷。

例如，伊利諾伊香檳分校的CS+X專(zhuan) 業(ye) 錄取申請率就高達25.4%，是傳(chuan) 統CS專(zhuan) 業(ye) 的五倍左右。

如果對於(yu) 學生當前的學術水平申請CS專(zhuan) 業(ye) 有點難度，可以嚐試申請其他學院下的CS+X項目。