从2016年诺贝尔文学奖颁给了美国民谣歌手鲍勃·迪伦到今年最重头的物理奖和化学奖颁给了计算机领域的学者约翰• J •霍普菲尔德（John J. Hopfield）和杰弗里• E •辛顿（Geoffrey E. Hinton）‍，以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”，诺贝尔奖还是那么“不务正业”。

与传统的物理学研究不同，之前，诺贝尔物理学奖从未直接颁发给计算机科学相关的研究，尤其是软件、算法相关的研究。

诺贝尔奖委员会表示，今年这两位诺贝尔物理学奖得主利用物理学工具开发出的人工神经网络方法，为当今强大的机器学习奠定了基础。

（图源：诺贝尔奖官网）

Hopfield网络与玻尔兹曼机的从理论到实践

当人们谈论人工智能时，我们通常指的是使用人工神经网络的机器学习。而这项技术的早期灵感来自大脑结构。

在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过类似突触的连接相互影响，这些连接可以变得更强或更弱。而网络可以被训练，例如通过在同时具有高值的节点之间建立更强的连接。

Hopfield从20世纪80年代就开始对人工神经网络进行了重要研究，并发明了一种网络——Hopfield网络，它使用了一种可保存和重建图片的方法。

我们可以将节点想象成像素。Hopfield网络利用物理学来描述材料由于原子自旋而产生的特性，这种特性使每个原子都成为一个微小的磁铁。

整个网络的描述方式相当于物理学中自旋系统的能量，并通过寻找节点之间连接的值来进行训练，以便让保存的图像具有较低的能量。

当Hopfield网络被输入变形或不完整的图像时，它会有条不紊地处理节点并更新它们的值，从而降低网络的能量。因此，网络会逐步找到与输入的不完美图像最相似的保存图像。

而Hinton以Hopfield网络为基础，开发了一种新网络：玻尔兹曼机（Boltzmann machine）。这种机器能够通过学习来识别某类数据中的特定元素特征。在此期间，Hinton利用了统计物理学的工具。统计物理学是研究由许多相似组件构建的系统性科学，并通过输入机器运行时很可能出现的例子来训练机器。

玻尔兹曼机可以用来分类图像或根据它训练时使用的模式类型创建新例子，Hinton在此基础上继续发展，帮助启动了当前机器学习的爆炸式发展。

诺贝尔物理学奖委员会主席Ellen Moons表示：“获奖者的工作已经产生了巨大的效益。在物理学中，人工神经网络已经得到了广泛的应用，例如开发具有特定属性的新材料。”

关于诺贝尔奖的小知识

诺贝尔奖由瑞典富豪发明家阿尔弗雷德·诺贝尔创立，包括由诺贝尔基金会官方颁发的6个奖项。其中有根据诺贝尔1895年的遗嘱而设立的五个奖项：诺贝尔物理学奖、诺贝尔化学奖、诺贝尔和平奖、诺贝尔生理学或医学奖和诺贝尔文学奖；以及瑞典中央银行1968年设立的诺贝尔经济学奖。

通常，诺贝尔奖得主名单会在每年的10月公布，颁奖典礼则会在12月10日诺贝尔逝世周年纪念日这一天举行。届时，获奖者将接受奖章、证书和确认奖金金额的文件。

历届获奖人中不乏改变物理界的大咖，例如从理论上解释光电效应的阿尔伯特·爱因斯坦（Albert Einstein）、在原子理论中发现新数学表述的埃尔温·薛定谔（Erwin Schrödinger），还有共同提出宇称不守恒定律的李政道和杨振宁，以及发展用激光冷却和捕获原子方法的朱棣文等。

新闻来源：澎湃新闻