当地时间昨天，2024年10月8日，瑞典皇家科学院宣布将本年度诺贝尔物理学奖授予两位被誉为"AI教父"的科学家：约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton）。该奖项旨在表彰他们在使用人工神经网络进行机器学习方面的基础性发现和发明。

在现场，发言人通过手机连线采访了杰弗里·辛顿教授。辛顿教授对人工智能的未来发展前景表示乐观，他指出："人工智能的影响将与工业革命相媲美。然而，不同的是，机器学习和人工智能不仅仅是在体力上超越人类，而是会在智力上超过人类。"

辛顿教授还强调了人工智能对未来工作方式的深远影响："人们在未来可以借助智能助手在更短时间内完成与之前相同的工作量，这将大大提高生产力。"这一观点揭示了人工智能技术可能带来的巨大社会变革。

问题1： 我知道我们的许多观众也是外行人，他们对今天获得的诺贝尔物理学奖的发现非常好奇。你还记得你是什么时候意识到自己的突破可以获奖的吗？这些启示的来源或灵感是什么？

杰弗里·辛顿 ： 非常感谢你的祝贺和提问。我确实记得一些关键的时刻让我意识到我们的研究有可能会获得突破。与我的两位导师 David Rummelhart 和 Terry Sinovski 的合作对我的启发非常大。

与 David Rummelhart 一起，我们在1982年初重新发现了反向传播算法。这是一个重要的时刻。之后，与 Terry Sinovski 合作，我们提出了 Hopfield 网络的学习算法，特别是包含隐藏单元的模型。尤其是在1982年初，我们开发了一种适用于最优机器的学习算法，这对整个领域产生了深远影响。

最难忘的时刻是我在罗切斯特的一个会议上，约翰·霍普菲尔德发表了关于神经网络的能量函数的演讲。这促使 Terry 和我更深入研究神经网络的泛化问题，并在此基础上发展了具有隐藏单元的 Hopfield 网络模型。

这些合作和研究方向的结合，以及 David Rummelhart 的反向传播和 Terry Sinovski 的突破，都成为了我学术生涯中最激动人心的时刻

问题2： 您对神经网络和机器学习在未来可能产生的影响有何预测？它对我们文明的影响程度将如何？

杰弗里·辛顿 ： 非常感谢你的问题。我认为神经网络和机器学习在未来将产生巨大的影响，其影响将与工业革命相媲美。然而，不同的是，机器学习和人工智能不仅仅是在体力上超越人类，而是会在智力上超过人类。

我们现在尚未真正体验到比我们更聪明的事物，这种经历将是前所未有的。在许多领域，特别是医疗保健，神经网络将为所有行业提供更好的服务，使他们更高效。人们在未来可以借助智能助手在更短时间内完成与之前相同的工作量，这将大大提高生产力。

不过，我们也不能忽视可能带来的负面影响，尤其是当这些技术失控时的潜在威胁。我们需要关注如何合理控制这项技术的发展，以确保它不会产生无法预见的负面后果。

问题3： 去年，您在接受《纽约时报》采访时曾提到，由于人工智能的风险，您对自己毕生工作的一部分感到后悔。今天，您的感觉如何？

杰弗里·辛顿 ： 关于遗憾，我认为有两种不同的类型。第一种是你感到内疚，因为你做了一些你知道不该做的事情。第二种遗憾是你做了一些在同样情况下仍然会去做的事情，尽管结果可能并不理想。

在我的情况下，我属于第二种类型的遗憾。如果让我重新做出选择，我还是会做同样的事情。但我担心，随着人工智能系统变得比人类更智能，它们最终可能会控制我们，这就是让我深感忧虑的地方。

问题4： 我希望了解玻尔兹曼机对 AI 发展的贡献，以及它是否与 GPT 或医学影像的应用有关。您的研究是基于哪种 AI 技术的？

杰弗里·辛顿 ： 实际上，我参与了两种不同的学习算法的研究。首先是玻尔兹曼机，这是基于具有隐藏单元的 Hopfield 网络的学习算法。虽然我们最终确实找到了一个可以应用的版本，但玻尔兹曼机并不是神经网络当前取得巨大进展的主要推动力。

推动AI应用飞跃的是反向传播算法。正是通过反向传播，神经网络才能够学习各种任务，比如识别图像、理解语音、处理自然语言等。当前的许多AI技术，比如 GPT 语言模型和医学图像分析，都依赖于反向传播算法，而不是玻尔兹曼机。因此，反向传播算法才是真正促使现代AI应用广泛普及的关键技术。

问题5： 您有最喜欢的 AI 工具吗？

杰弗里·辛顿 ： 是的，我实际上经常使用 GPT-4。每当我想知道某个问题的答案时，我都会去问 GPT-4。不过，我并不完全信任它，因为它有时候会产生幻觉。但尽管如此，GPT-4在很多方面都非常有用，虽然它不是某个领域的绝对专家，但几乎在所有方面都能提供帮助。

我们随后询问ChatGPT对该奖项的评论：

GPT则表示：“2024年诺贝尔物理学奖授予约翰·霍普菲尔德和杰弗里·辛顿，是对人工神经网络基础性贡献的高度认可。”

“从学术的角度来看，此次获奖标志着物理学的传统领域与新兴的计算机技术之间的融合。这一奖项也进一步巩固了AI在解决物理学、材料科学等诸多复杂问题中的应用潜力。例如，神经网络已经在设计新材料、预测物质行为方面展示了强大的能力。”

“另一方面，该奖项也彰显了机器学习技术对社会的重大影响。霍普菲尔德和辛顿的研究不仅推动了理论发展，还引领了实用技术的落地，例如在图像识别、自动驾驶、医疗诊断等领域的广泛应用。随着这些技术逐渐走向成熟，它们对经济和社会的影响将更加显著。”

2024年诺贝尔物理学奖授予AI领域的先驱，不仅是对过去成就的肯定，更是对人工智能未来无限可能的认可。

这一里程碑事件清晰地展示了人工智能技术已经取得的巨大进展，同时也昭示着这个领域仍有广阔的探索空间。