“人工智能教父”携手神经网络先驱勇夺诺奖

如果您还需要另一个表明我们已然完全迈入人工智能时代的迹象，那就是这个。 …

“人工智能教父”杰弗里·辛顿博士和他在学习机器领域的前辈约翰·霍普菲尔德博士，于今日共同荣获 2024 年诺贝尔物理学奖。瑞典皇家科学院称，这是“因为他们在使人工神经网络能够进行机器学习方面的基础发现和发明”。

El Reg 的读者和人工智能的观察者或许熟悉辛顿在神经网络方面开创性的工作，还有他因担忧自己协助创建的人工智能系统存在潜在危险，而高调辞去谷歌顾问一职这件事。

依据一份有关获奖原因的书面说明[PDF]，霍普菲尔德对人工智能的最大贡献于 1982 年出现，当时他创建了一个（以他自己名字命名的）神经网络，能够存储多种模式，并且能通过对它们加以区分，从记忆中检索出来。

委员会把“霍普菲尔德网络”比作大脑的联想记忆，在这当中我们搜索和回忆信息，比如单词。它将该网络描述成具有不同连接强度的人工神经元系统。

“霍普菲尔德用一种在物理学中自旋系统的能量相当的属性来描述网络的整体状态；这种能量是通过一个运用了所有节点的值以及它们之间所有连接强度的公式来计算得出的，”它解释道。

该学院指出，当整个网络处理数据时，它常常重现其在接受训练时的原始图像，但真正特别之处在于它能够同时存储多张图片，并且能够对它们加以区分。

从回忆到解释

虽然霍普菲尔德网络和联想记忆技术能够把图像当作数据中的模式来回忆，但是它无法阐释它们究竟是什么。这就是欣顿的用武之地。

“当霍普菲尔德发表关于联想记忆的文章时，杰弗里·辛顿正在美国匹兹堡的卡内基梅隆大学工作，”学院称。“与他的同事特伦斯·谢诺夫斯基一起，辛顿从霍普菲尔德网络出发，并利用统计物理学的思想将其扩展以构建新的东西。”

“可以使用统计物理学分析各个组件能够共同存在的状态，并计算它们出现的概率，”诺贝尔颁奖机构说道。测量这些概率并将它们分配给对象，你就得到了辛顿的玻尔兹曼机。

另一种更为先进的神经网络，玻尔兹曼机可以从数据示例中学习，识别样本中的熟悉特征，并通过将已知的基础知识过滤到不同类别中来识别对象的新示例。

玻尔兹曼机至今仍被用于给推荐引擎和其他基础的人工智能提供动力，并且经常是更大的机器学习网络的一部分。

“获奖者的工作已然带来了极大的好处。”

“在物理学领域，我们在众多方面使用人工神经网络，例如开发具有特定属性的新材料，”

“从解读转变为担忧”

“这是辛顿因其在人工智能方面的贡献而获得的第二个重要奖项，此前他与‘人工智能教父’约书亚·本吉奥（Yoshua Bengio）和杨立昆（Yann LeCun）一同斩获了 2019 年图灵奖——该奖常被称作计算机领域的诺贝尔奖。”

“然而，自那以后，辛顿对于他协助创建的学习机器变得完全持怀疑态度。”

“2023 年 5 月离开谷歌之后，辛顿对自己为现代人工智能奠定基础所发挥的作用表示了遗憾，并称当他看到人工智能到目前为止的发展以及其未来可能对社会产生的影响时，这种可能性‘令人恐惧’。”

“我常拿这个借口来自我安慰：如果我不做，别人也会做，”辛顿去年告诉《纽约时报》的凯德·梅茨（Cade Metz），他曾是《登记册》的记者。

去年，辛顿和本吉奥一起签署了一封公开信，把人工智能比作气候变化带来的威胁，说虽然我们对那些警告置之不理，但趁还来得及，我们能够避免人工智能造成的麻烦。

“如果我们有智慧采取行动，就有一条负责任的道路，”信中这样说道。在得知自己获得诺贝尔奖后不久的一次采访中，辛顿再次表达了他对人工智能的担忧。

“我希望能有个简单的法子，只要照做，一切就能好起来。可惜我没有，”辛顿告诉诺贝尔奖推广组织的首席科学官亚当·史密斯。“我们正处于历史的一个分岔点，在接下来的几年里，我们需要弄清楚是否有办法应对（人工智能失控的）那种威胁。”

“政府能做的一件事，就是迫使大公司把更多资源投入到安全研究当中，”辛顿补充说道。

“像 OpenAI 这类公司不能将安全研究束之高阁。”

辛顿和霍普菲尔德将共同分享 1100 万瑞典克朗（约合 100 万美元）的奖金，并且会在 12 月 10 日，也就是炸药发明者、同时也是该奖项同名者阿尔弗雷德·诺贝尔于 1896 年逝世的周年纪念日领取该奖项。 ®