诺贝尔物理学奖颁给了两位AI大牛！
人工智能领域的杰出学者E, 以及普林斯顿大学的John J, 两人携手赢得了2024年诺贝尔物理学奖, 奖励他们对于利用人工神经网络发展机器学习技术的开创性贡献, 这些基础性的发现和发明得到了高度认可。
诺贝尔官方网站发布信息称，两位诺贝尔物理学奖获得者借助物理学手段研究出的技术，为当前高效的机器学习提供了支撑，John 创制了一种联想存储机制，能够保存并再现图像及其他类别的数据形态。
研发出一种能自动检索数据特征的技术，借此可以完成诸如辨认图像里特定物件之类的操作。
获奖者的贡献已经带来了显著的价值。在物理科学方面，人们把人工神经网络用到很多地方，比如去创造具有特殊性质的新材料，诺贝尔物理学奖委员会的负责人Ellen Moons这样表示。两位获奖人员将会平分总额达1100万瑞典克朗（810,000 英镑）的奖励。
自脱离谷歌以来，始终专注于揭示人工智能迅猛进步所带来的不良影响。
在那个网络信号欠佳的廉价旅馆房间里，这位新晋的诺贝尔奖获得者，同多家外国媒体进行了对话，谈到了自己得奖后的体会，也对关于“物理学奖”的质疑做出了说明，后面这些内容，是参考原始报道整理编辑的，请欣赏。
恭喜恭喜。当您听到今天早上的新闻时，您的反应是什么？
我感到极为震惊，十分意外，并且难以置信，这完全超出了我的预料。我做梦也想不到会是这个样子。神经网络属于计算机科学领域。
这与物理学有何关系？
霍普菲尔德网络以及其后继的波尔兹曼机，都根植于物理学理论。前者借助能量函数进行运算，后者则运用统计物理学的原理。由此可见，神经网络演进的这个时期，很大程度上汲取了物理学理论的养分。
但事实上，现今 AI 模型应用的技术并非同一种，而是别称反向传播的另一种技术，这与物理科学关联甚微，至于玻尔兹曼机与此技术间存在何种联系，尚不明确。
现在，这两者关联性并不强。它们是关于神经网络运作方式的不同解释。以前，我尝试过借助玻尔兹曼机来“初步训练”反向传播网络，从而将两者融合。不过，现在人们不再采用这种方法了。
预训练是什么意思？您能用读者能理解的语言来解释吗？
这让我联想到诺贝尔奖得主理查德费曼说过的一番话。有位记者询问费曼教授：“能否请您花几分钟时间谈谈获得诺贝尔奖的原因？”费曼回应道：“听着，如果几分钟就能说明白，那就不配获得这个奖项。”同样可以断定，玻尔兹曼机在人工智能领域已走不通——相关研究或许已转向其他方向。
我的看法是，这种构思好比一种促进因素。促进因素能够使人突破困境——即便它并非最终办法的构成部分。玻尔兹曼机便是这样一种促进因素。它协助我们解决了“怎样训练深度神经网络”的难题。它让深度神经网络的训练过程变得简单。当我们掌握了深度神经网络的训练方法，便不再依赖玻尔兹曼机了。您是否直接与约翰·霍普菲尔德合作过这些想法？
未曾拜读过他的文章。不过，我的主要合作者Terry曾经与他共事，并且是在他的指导下完成了博士学业。
您获得这个物理学奖奇怪吗？
：倘若计算机科学设有诺贝尔奖，我们的研究无疑更具备获奖资格，然而此类奖项并不存在，这其实是一种恰当的说明。
这或许是一种启示。的确，我们或许该设立一个计算机领域的诺贝尔奖。
不论怎样，您凭借促成一项如今您忧虑可能危害人类的重大技术而赢得诺贝尔奖，您对此有何想法？
获得诺贝尔奖或许会让众人更加关注我，若你提醒未来的风险，他们是否会更加在意？
：是的。
您认为您的研究成果所帮助开发的技术潜在意义是什么？
这项变革堪比工业革命，却不会在力量上超越人类，而是在智慧上超越人类。我们从未接触过比自身更聪明的存在。这项技术将从根本上重塑医疗行业，引发“生产效率的显著增长”。然而physics是什么意思，我们亦需警惕潜在风险，特别是局势失控的可能性。我忧虑，后果可能是比我们更智慧的体系将主导一切。您是否后悔自己帮助创造这项技术？
懊悔存在两种形态。其一源于实施了本应避免的行为而引发的愧疚，其二则是在相似情境下即便预知结果不佳仍会重蹈覆辙的无奈。我的惆怅属于后者。即便面临同样境遇physics是什么意思，我依然会作出相同抉择，然而隐忧在于，此举长远影响可能致使更胜一筹的机制最终主导局面。
参考链接：
