“機器學習”拿下諾貝爾物理學獎，對AI技術創業有什麼啓示？

10月8日，2024年諾貝爾獎獲獎者名單開啓公佈。這一年的諾貝爾物理學獎被授予美國普林斯頓大學教授約翰·霍普菲爾德（John Hopfield）和加拿大多倫多大學教授傑弗裡·辛頓 （Geoffrey Hinton），以表彰他們“基於人工神經網絡實現機器學習的基礎性發現和發明”。

根據瑞典皇家科學院的官方公告，2024年諾貝爾獎得主利用物理學工具開發出來的方法，爲如今強大的機器學習奠定了基礎。

其中，霍普菲爾德創建了“霍普菲爾德網絡”（Hopfield Network），一種能夠有效存儲和重建信息的結構，其設計靈感來源於生物神經系統的工作原理。

這種網絡的核心在於利用了物理學中的自旋系統能量來描述數據特徵，通過將數據特徵映射到一個能量狀態空間，使得網絡能夠在不同的狀態之間進行有效的轉換和優化。

傑弗裡·E·辛頓則以霍普菲爾德網絡爲基礎，發明了一種可以獨立發現數據中的屬性的方法，稱爲玻爾茲曼機。

玻爾茲曼機可以學習識別給定類型數據中的特徵元素，可用於對圖像進行分類或創建訓練模式類型的新示例。這項工作使用了統計物理學的工具。

“辛頓以這項工作爲基礎，幫助啓動了機器學習當前的爆炸式發展。”公告寫道。這段被稱爲爆炸性發展的階段，也就是以人工神經網絡爲核心的深度學習革命。

約翰·霍普菲爾德是一名物理學家，早年在普林斯頓大學獲得博士學位，主要研究計算神經科學。他最著名的貢獻就是提出“Hopfield網絡”，將物理中的能量最小化概念應用到神經網絡中。霍普菲爾德的研究跨越了物理學、神經科學和計算機科學，爲人工神經網絡的研究提供了交叉基礎。

傑弗裡·辛頓早年在愛丁堡大學獲得博士學位，他更知名的身份標籤是人工智能領域的領軍人物，“人工智能之父”，以及2018年圖靈獎得主。他的工作推動了現代機器學習的發展，特別是在語音和圖像識別中的應用。

相比於物理學界，今年的諾貝爾物理學獎或許對人工智能領域產生了更宏大深遠的影響。

諾貝爾物理學委員會主席Ellen Moons在公告中直白地指出了這一點：“獲獎者的工作已經帶來了最大的好處。在物理學中，我們在廣泛的領域使用人工神經網絡，例如開發具有特定性能的新材料。”

從技術應用層面來講，這正指向了當前AI領域一個等待厚積薄發的賽道，AI for Science（AI4S）。

具體而言，它是指利用AI技術進行基礎科學研究，以找出相關領域未被發現的科學規律，或解決處於瓶頸的科學難題。這些新出現的答案有可能幫助機構或企業，實現研發創新方面的突破，最終落地爲前所未見的產品。這套路徑可能適用於醫藥、材料、能源等衆多面臨基礎研究瓶頸的領域。

事實上，海內外已經有諸多企業在AI4S這條路上進行了大量探索。

例如谷歌旗下的DeepMind，曾發佈多個針對基礎科學研究的深度學習模型，包括專門設計用於從第一性原理計算原子和分子的能量的FermiNet（費米網），以及用於“電子密度映射到化學相互作用能量”這一量子化學模擬中關鍵組成部分的DM21等等。

另一家由微軟孵化的量子技術公司Sandbox AQ，則是利用人工智能和量子技術解決一些世界上最具挑戰性的問題，例如加速藥物開發、催化新一代醫療診斷設備的發展、提高網絡安全性等等。

在國內，深勢科技、天鶩科技等公司已經駛入賽道。深勢科技的核心技術爲分子模擬技術，核心成員來自北京大學、普林斯頓大學、約翰霍普金斯大學等，目前已針對藥企、材料商和科研機構實現了產品發佈。

天鶩科技的目標領域爲AI蛋白質設計，其核心團隊主要來自於上海交通大學，技術方向爲利用人工智能來設計和優化蛋白質，以推動生物製造和健康科技的突破。

AI4S這一方向已經受到了全球範圍內的極大重視。今年4月底，PCAST（美國總統科技顧問委員會）撰寫了一篇題爲《加速研究：利用人工智能應對全球挑戰》的報告，其中一份技術報告概述了AI技術對全球研究的潛在影響。

報告指出，AI將從根本上改變人類進行科學研究的方式。其闡述了AI在材料、半導體設計、氣候、物理、生命科學等領域已經做出的改變，並高度總結AI如何通過提供研究人員工具來加速科學發現和技術進步，從而革命性地改變人類解決最緊迫問題的能力。

儘管此次諾貝爾物理學獎的本質意義，是嘉獎兩位科學家在計算機科學與物理學結合之下的基礎性發現和發明，但它的確對AI4S這一技術應用領域產生了強大的啓示作用。

一名尤爲關注AI領域技術發展的投資人對界面新聞記者表示，這個獎項背後的重要意義在於，以AI解決了基礎科學研究進程中“計算”的問題。“以前大家覺得找不到基本原理，可能被問是不是算得不夠好？現在維數災難被AI解決，這個諾獎實至名歸。”

接下來，AI4S或許是學界和業界對於AI發展重點關注的方向之一。