2024年諾貝爾物理獎得主，中歐時間周二（8日）上午11時45分（台灣時間下午5時45分）揭曉，由美國普林斯頓大學科學家霍普菲爾德（John J. Hopfield）、生於英國的加拿大多倫多大學科學家辛頓（Geoffrey E. Hinton）共享殊榮，以表彰他們藉由人工神經網絡實現機器學習的基礎發現與發明。
諾貝爾獎官方網站8日指出，電腦雖然無法思考，如今已能模仿記憶和學習等功能。今年的物理學獎得主促成了這一切的實現，利用物理學的基本概念和方法，他們開發出能夠使用網路結構來處理資訊的技術。諾貝爾物理學委員會主席穆斯（Ellen Moons）8日表示：「人工神經網路已被用來推進粒子物理學、材料科學、和天文物理學等不同物理主題的研究。」
諾貝爾獎委員會表示，今年的物理學獎得主突破了物理科學的基礎，展示了一種全新的方式，利用電腦來幫助和引導世人解決社會面臨的眾多挑戰。由於他們的研究成果，人類現在擁有了一個新工具，這個工具可以用於造福社會。基於人工神經網路的機械學習正徹底改變科學、工程和日常生活。
這個領域正在推動實現建立可持續社會的突破，例如識別新功能材料。未來人工神經網路深度學習的應用，將取決於人類如何選擇運用這些已經融入生活的強大工具。2024年諾貝爾物理學獎得主運用了物理學的工具，構建出奠定今日強大機器學習基礎的方法。
BREAKING NEWS
— The Nobel Prize (@NobelPrize) October 8, 2024
The Royal Swedish Academy of Sciences has decided to award the 2024 #NobelPrize in Physics to John J. Hopfield and Geoffrey E. Hinton “for foundational discoveries and inventions that enable machine learning with artificial neural networks.” pic.twitter.com/94LT8opG79
今年高齡91歲的霍普菲爾德創建了一種能夠儲存和重建資訊的結構。76歲的辛頓發明了一種可以自動發現數據屬性的方法，這對目前大型人工神經網路至關重要。
「深度學習」一詞他開創
1980 年代初，霍普菲爾德首次提出「循環神經網路」(Recurrent neural network，RNN)，論文中的「由繁入簡」插圖，具體的形容電腦如何利用歸納法來自我學習，他也發明了「深度學習」（deep learning）這個名詞。辛頓（Geoffrey Hinton）1986年發表的「多層神經網路反向傳播演算法」的論文，補上了「由簡入繁」過程該如何進行，辛頓也被稱為「深度學習之父」。
霍普菲爾德原本是固態物理學家，但他不甘於被舒適圈所侷限，不斷向外尋找「值得解決的問題」，於是先後跨足分子生物學以及當時新興的神經科學及AI研究。後來他提出「霍普菲爾網路」，為生物的聯想式記憶（associative memory）提供了簡單的數學模型，也為當時幾近被廢棄的人工神經網路重燃一絲希望。
AI教父屢屢警告「危險」
辛頓是人工智慧（AI）教父級人物，門生無數，在深度學習領域成就斐然，早在2018 年已榮獲號稱「計算機界的諾貝爾獎」的圖靈獎（Turing Award）。辛頓獲知自己得獎後接受電話訪問時表示：「我相當驚訝。我不知道會發生這種事（得獎）。」他補充：「機器學習和人工智慧將產生堪比工業革命的巨大影響。」辛頓近年多次直指人工智慧「比核武危險」，他不忘在得知榮獲諾獎桂冠後第一時間再度提出警告：「未來可能存在危險，因為人類不曾處理比人類更聰明的事物。」
在2024得獎人公布之前，諾貝爾物理獎迄今已頒發117次，共225人獲獎、其中5人是女性 ；歷年最年輕的得獎者為25歲，最年長的得獎者為96歲。物理獎得主公布後，化學獎、文學獎、和平獎依序於本周三（9日）至周五（11日）揭曉，最後一個揭曉的是下周一（14日）公布的經濟獎得主。諾貝爾各獎獎金為1100萬瑞典克朗（新台幣約3414萬元），若得主超過1人，將由共享殊榮者分享獎金。
本文授權自中時新聞網，原文見此。
