诺贝尔物理学奖日前揭晓，约翰·霍普菲尔德（John J. Hopfield）与杰弗里·辛顿（Geoffrey E. Hinton）因“使用物理学训练人工智能神经网络”获奖。值得注意的是，霍普菲尔德是正统的物理学家出身，但辛顿的学术经历并不包括物理学，而是聚焦人工智能领域。

新京报贝壳财经记者梳理发现，辛顿的主要学术成就包括三大项：证明反向传播算法、发明玻尔兹曼机、改进卷积神经网络。而这些成就是今日AI技术发展乃至落地不可或缺的“拼图”，例如辛顿研发的深度卷积神经网络AlexNet在2012年赢得ImageNet图像识别大赛（华人AI科学家李飞飞主导的比赛）冠军，让业界将AI研究路线从当时主流的符号学转换成了神经网络，后者“一炮而红”，直接促使了AI识图功能的“大爆发”，当今随处可见的人脸识别技术正来源于此。

此外，辛顿还“桃李满天下”，他的学生包括前OpenAI首席科学家伊利亚·苏茨克维（Ilya Sutskever）、Meta首席科学家杨立昆（Yann LeCun）等，“徒子徒孙”更是遍布人工智能业界。

物理奖为何颁发给人工智能科学家？

诺贝尔奖官方称，今年的两位诺贝尔物理学奖得主利用物理学工具开发了今天强大机器学习的基础方法。约翰·霍普菲尔德创造了一种联想记忆，可以存储和重建图像及其他类型的数据模式。杰弗里·辛顿发明了一种能够自主发现数据属性的方法，从而执行识别图片中特定元素等任务。

新京报贝壳财经记者发现，之所以诺贝尔物理学奖同时颁给了这两人，是因为辛顿的工作建立在霍普菲尔德的基础之上。根据诺贝尔奖官网提供的科普文章，霍普菲尔德从物理学中磁性物质原子自旋找到了灵感：相邻原子的自旋相互连接可以使域形成同一方向的自旋，他利用描述自旋相互影响的物理学建立了一个带有节点和连接的模型网络，即“霍普菲尔德网络”，如果把其中的节点看作图片中的像素，就可以记忆不同的颜色，而不只是黑色和白色，这一方法还为相似图片的识别提供了技术基础。

当霍普菲尔德发表关于联想记忆的文章时，辛顿正在美国卡内基梅隆大学工作，他之前曾在英国学习过实验心理学和人工智能，并致力于了解机器是否能以和人类相似的方式识别并分类信息。他从霍普菲尔德网络着手，并使用统计物理的方式将其进行了延展，最终发明了玻尔兹曼机。

诺贝尔奖官方科普文章写道：辛顿使用了19世纪物理学家玻尔兹曼创造的一个统计物理学方程，并在1985年发表了一个神经网络方法，命名为“玻尔兹曼机”，该神经网络可以不从指令中学习，而是从给定的示例中学习。