我们正站在一个新的革命边缘，这场革命的催化剂是AI。其不仅预示着未来科学发现的主导者，更将彻底改变我们对这个世界的认知方式。就像历史上的科学革命一样，AI的发展正在引领我们进入一个全新的时代，其中数据和算法将成为探索未知世界的新工具。”
“I had no idea I’d even been nominated for the Nobel Prize in Physics.(我都没想过会被提名诺贝尔物理奖)”
“How could I be sure it wasn’t a spoof call.(我咋知道你们是不是恶搞我)”
John J. Hopfield和Geoffrey E. Hinton是今年诺贝尔物理奖的获得者。 Hinton听到这个消息时，自己都比较惊讶。 不是因为别的，而是因为他自己是搞AI的，更准确的叫法是： 人工神经网络和机器学习。
毕竟神经网络乍一听，它确实不物理。
官方的评论区，也是炸了锅。研究物理的、研究AI的、甚至研究生物的，都纷纷陷入了沉默。
中科院物理所公号的评论区，也是讨论的热火朝天。有网友调侃道：“诺奖为什么不给GPT。”
2024年诺贝尔物理学奖的揭晓，将AI在物理学领域的应用推向了高潮。John J. Hopfield和Geoffrey E. Hinton的获奖，不仅是对他们个人成就的认可，更是对AI在解决科学难题中所扮演角色的肯定。
一个疑问是，AI为什么会获物理诺奖？这届物理诺奖的“出其不意”背后，到底透露了哪些信息？以及，AI和如今正在进行的产业数字变革有哪些关联？
一、物理学与AI的深层联系
想要知道为什么这俩人能够获得物理诺奖，首先需要搞明白，这俩人究竟做出了哪些成就。
“利用物理学工具，开发出了当今强大机器学习技术的基础方法。”这是评委会表彰时的一段话。从字面上来看，很好理解，即用基于物理打造了AI技术的底层方法论。
霍普菲尔德在1982年创造出联想神经网络，现在通称为霍普菲尔德网络（Hopfield network），可以存储并重现图像和其他数据模式的关联记忆技术；辛顿是反向传播算法和对比散度算法的共同发明者，和深度学习的积极倡导者，被誉为“深度学习教父”或“AI教父”。
我们尝试用通俗易懂的语言来解释两位获奖者的发明。
想象一下，一堆磁铁可以自由地翻转自己的北极和南极。这些磁铁被杂乱无章地放置在一起，但有一种特殊的规则：如果一个磁铁的北极对着另一个磁铁的南极，它们就会互相吸引；反之，如果两个磁铁的同极相对，它们就会互相排斥。这就是所谓的自旋玻璃，一种物理学中的模型，用来描述这种混乱而又相互影响的粒子集合。
现在，用这个想法来构建一个“记忆存储器”。每个小磁铁就像一个神经网络中的神经元，它们可以被设置为活跃（北极）或不活跃（南极）。当你把这些“神经元”放在一起时，它们会互相影响，最终达到一种稳定状态，就像磁铁最终会排列好，使得排斥力最小化一样。
Hopfield网络就是这样一种模仿大脑记忆方式的神经网络。你可以把一些模式（比如一串数字或者一张图片）“教”给这个网络，网络中的“神经元”就会调整自己，以便在未来能够回忆起这个模式。这就像是把一堆磁铁按照特定的方式排列好，然后它们就能记住这种排列，即使被打乱，也能重新恢复。
再谈谈Hinton的发明。