就在今天下午，最新一届的诺贝尔物理学奖公布，约翰 ·J· 霍普菲尔德 John J.Hopfield 、杰弗里 ·E· 辛顿 Geoffrey E.Hinton 获奖，以表彰他们通过 “ 人工神经网络实现机器学习的基础性发现和发明 ” 。
辛顿在接受电话采访时表示： “ 完全没想到 ” 。
实话实说，在结果出来前，大家也都没想到。
因为在外界预测里，今年的诺贝尔物理学奖最大热门，还是传统的凝聚态物理领域，结果最后颁给了 AI 圈的两位大佬。
网友们也都不淡定了，有些人调侃地表示，物理学不存在了。
也有人表示，这次的颁奖可能会引起一系列连锁反应。
一些人甚至有种感觉，诺贝尔奖有点蹭 AI 热度的意思？
其实物理学界也不是没什么新的研究成果，隔壁中科院物理所就猜了一堆足以拿诺奖的研究，谁知道直接“ 跨服 ”颁给了人工神经网络和机器学习领域。
而借着这个机会，我们也去了解了下两个大佬，发现人家的成就能拿奖完全说得过去。
首先是杰弗里 · 辛顿，这个大佬大家肯定不陌生了，再和大家强调一遍，他是公认的 “ 深度学习之父 ” 。
我们今天也详细去查了下辛顿老爷子，震惊我的反倒不是他自己的成就，而是他实在是家世显赫。
就这么说吧，千年以后，人类回顾豪门望族，辛顿家的族谱可能还是最闪耀的那一批，国内的什么四世三公都得逊色一番。
在辛顿家族中，最顶的就是他的曾曾祖父乔治 · 布尔，人称逻辑学中的牛顿。
乔治和自己老婆也就是辛顿的曾曾祖母玛丽 · 埃弗里斯 · 布尔，共同创作了布尔逻辑和代数学，后来成为现代计算机的数学基础。
而这个玛丽的叔叔乔治 George Everest 是英国大地测量学家，珠穆朗玛峰的英文名就是以他名字Everest 命名的。
辛顿的家族还特别和中国有缘。
他的曾姑妈艾捷尔 · 丽莲 · 伏尼契，写了本书叫《 牛虻 》，曾激励了一代国内革命青年。
而他还有个姑妈名叫琼 · 辛顿，中文名叫寒春（ 咱们曾经写了一篇文章来介绍寒春，感兴趣的差友可以点击下方图片阅读原文 ）。
这个姑妈曾经参与过曼哈顿计划。
后来因为多方原因，毅然决然地弃美投中。
来到中国后的她放弃了自己擅长的核物理研究，但寒春对新的奶牛事业乐在其中，甚至还为国内巴氏杀菌奶设计了一条产线。
所以，咱们今天的主角辛顿在花了一辈子的时间，同时获得了诺尔物理学家和图灵奖，回家一看，也就只是能在族谱单开一页的水平？
而辛顿如今风光的名号，一路走来却压根并不轻松。
从小时候起，他的学习成绩就谈不上 “ 顶尖 ” 。
高中时上了一所他口中的 “ 二流公立学校 ” 克里夫顿学院，但实际上，该学院在辛顿之前出过 3 名诺奖得主，大家听听得了，别真信了。
8 岁的辛顿正在尝试熟练地掌握 python （ 蟒蛇 ）
也就是在克里夫顿学院，辛顿从一个同学那儿听说了 “ 大脑记忆并不固定存在某个部分，而是分散在是整个大脑，利用整个神经网络传播，如果大脑使用全息图，砍掉一半，还能获得整个图片…… ”
好好好，我高中同学咋天天只会跟我 “ 桀桀桀 ” 呢？
辛顿当时估计也没整明白，就把这个小故事深埋心底，随后就开始了自己的浪荡前半生。
到了 18 岁，辛顿进入剑桥大学国王学院学习物理、化学和数学，但一个月后就退学了。
去伦敦 gap 了一年后改修建筑学，结果就撑了一天，甚至后来，辛顿也尝试过转向哲学，不过也没坚持住。
再后面，辛顿就开始双修物理和生理学，到最后，哥们拿了实验心理学毕业证。。。
毕业后的辛顿又跑去当了一年木匠。
这种到处乱晃的水平，也让辛顿总是被家里人 PUA ，他爸天天念叨 “ 你要好好努力，等你比我老一倍了，就能赶上我一半的成绩了 ” 。
我估摸着，辛顿老爹如果在天有灵，这下总能感觉自己被打脸了。
总之，在尝过了弱水三千后，辛顿找到了只属于他的那一瓢：人工智能。
在当时，人工智能谈不上什么大热研究方向，他找了一个正在研究神经网络的导师希金斯教授，这一下就唤醒了辛顿年少时的记忆： “ 我要的就是让机器实现大脑功能 ” 。
但在生成式大模型爆火之前， AI 界一直在争论什么才是正确路线，神经网络、深度学习一度被符号主义（ 简单说就是所有事物、规则都能用一个个符号来代替， AI 通过记住这些符号和规则来理解世界 ）等路线打得溃不成军。
最夸张的时候，就连希金斯教授，都转投符号主义门下，希金斯甚至还反过来劝辛顿也点了，重开一把得了。
希金斯教授
一时间，神经网络被所有人放弃，世界上几乎只剩下辛顿这一个独苗了。
结果辛顿也就是头铁，愣是一个人守高地 30 多年，发育到六神装，一把反推了其他 AI 路线的高地。
而辛顿这次获奖凭借的就是他在这几十年里的成果之一：1985 年提出的 “ 玻尔兹曼机 ” 。
玻尔兹曼机能够像人一样自主学习。
比如你给它看不停地看很多火锅的帅照，就能生成一张新的，看起来很像火锅的大金毛图像。
这也就是后来的深度学习、人工神经网络的雏形。
随着研究不断深入，辛顿也逐渐开创了一个新的学术分支：深度学习。
而今天你能看到活跃在生成式大模型顶端的辣些人，基本全是辛门成员，所以，你甚至可以说辛顿是当今所有大模型的唯一指定祖师爷。
后来，辛顿还带着前 OpenAI 首席科学家 Ilya 创办了个 DNNresearch 的公司，这家公司当时没有任何产品，而且也没有任何计划研究任何产品，说白了他们公司的产品就是他们几个人的脑子。
他们决定把 DNN 也就是他们自己，公开向全世界拍卖，最终百度、谷歌、微软和 DeepMind 四家公司竞争。
当竞价达到 4400 万美元时，他们暂停了竞拍，然后直接把天赋带到了谷歌。
在他们看来，合适的平台比更高的价格更重要。
但到了去年，辛顿主动选择从谷歌离职，就为了能够自由谈论 AI 的风险。
在如今的他看来， AI 已经在朝一个人类无法掌控的地步进化，他甚至在去年曾经在接受采访时表示，自己回顾一生的工作，感到非常后悔，以至于只能找一个 “ 哪怕自己不做这些，也有其他人来做 ” 的借口来安慰自己。
可现如今，大家将他在后悔的工作捧上诺贝尔奖台，
辛顿这次获奖也在学术圈引起了不少争议，因为辛顿的工作成就虽然很出色，但它们显然并不属于传统物理学的任何一个分支。
与之不同的是，和辛顿一同得奖的霍普菲尔德，就显得 “ 正统 ” 了不少。
因为霍普菲尔德虽然以 AI 领域的工作内容获奖，但他其实是个地地道道的生物物理学家，曾经拿到过玻尔兹曼奖（ 统计物理领域最高奖 ）和狄拉克奖（ 理论物理学的重要奖项 ），比起辛顿来说完全就是纯血物理人。
霍普菲尔德的家族虽然不比辛顿，但也是顶尖书香门第，父母亲都是知名物理学家。
学习生涯比起辛顿的放荡不羁来说，就更显得纯血物理人了。
1933 年出生于芝加哥，从物理学士，到物理博士，一步步按部就班。
毕业后先后在贝尔实验室任职，在大学任教，在 NASA 做研究。。。
而他获奖的成果是 1982 年提出了霍普菲尔德网络，让 AI 能够像人类联想记忆那样，存储和重建信息模式。
打个比方，你在试图回忆一个不常用的成语，可能会先想他的近义词啥的，最终想起了这个成语。
霍普菲尔德网络的工作方式就与此类似，当给 AI 一个不完整的信息时，它能够找到最相似的存储信息。
这么一来，霍普菲尔德网络就能修复损坏的数据，比如去除图片中的噪点。
乍一听，这个玩意儿根本不物理，反而很 AI 是吧。
其实并不是，霍普菲尔德网络的存储和检索方式，利用了材料的物理特性。
材料内的原子会因为自旋而产生的特性，这个特性使得每个原子都成为了 mini 磁铁，大家互相有着不同的引力。
数据的存储在不同引力下，就好比一个层峦叠嶂的景观中，当网络接收到新的输入时，就像在这个景观中滚动一个球，最终球会根据不同的沟壑（ 即引力 ）停在最接近的山谷中，也就是找到了最相似的存储模式。
更重要的是，霍普菲尔德将神经网络的动力学，与物理学中的系统 ( 特别是统计力学 ) 进行了比较和融合。
这种跨学科方法是革命性的，为后来的研究者们打开了新思路。
总之，霍普菲尔德的获奖也是相当实至名归的。
但无论怎么说， AI 的风已经吹到了诺贝尔奖了，在诺贝尔物理学委员会看来，如今的人工神经网络已经为物理学带来了新的使用场景，比如开发具有特定属性的新材料等等。
而这些成就，显然足以抹去什么学科之见。
很难想象，在 AI 发展如此迅猛的未来，人们竟然还在争论它到底配不配得物理学奖，而差评君想说的是：
既见未来，为何不拜？
