诺贝尔奖花落AI领军人物：工业AI变革时代已经到来？

“我们正站在新革命的边缘，这场革命的催化剂是AI。它不仅意味着未来科学发现的领导者将彻底改变我们对世界的认知。AI的发展正带领我们进入一个全新的时代，就像历史上的科学革命一样，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.(没想到会被提名为诺贝尔物理奖)

“How could I be sure it wasn’t a spoof call.(我怎么知道你们是不是在恶搞我)

John J. Hopfield和Geoffrey E. 今年诺贝尔物理奖获得者Hinton。 当Hinton听到这个消息时，他很惊讶。 并非因为别的，而是因为他自己从事AI，更准确的名称是：学习神经网络算法和机器。

说到底，神经网络乍一看，它的确不是物理的。

官方评论区，也是炸锅。研究物理、AI，甚至研究生物的人都陷入了沉默。

中国科学院物理研究所公众号的评论区，也是热火朝天的讨论。有网友调侃道：“为什么诺奖不给GPT？

诺贝尔物理学奖2024年的公布，将AI推向了物理应用领域的高潮。John J. Hopfield和Geoffrey E. Hinton的获奖，不仅是对他们个人成就的肯定，在处理科学难题时，AI也是一种认同。

一个问题是，为什么AI会获得物理诺贝尔奖？今年物理诺贝尔奖的“意外”背后透露了哪些信息？以及AI与目前正在进行的工业数字变革有什么关系？

一 物理学与AI之间的深层联系

要知道这两个人为什么能获得物理诺奖，首先要弄清楚这两个人究竟取得了什么成就。

利用物理工具，开发出当今强大机器学习技术的基本方法。在评委会表彰的时候，这是一段话。从字面上看，很容易理解，即基于物理构建AI技术的底层方法论。

一九八二年，霍普菲尔德创造了联想神经网络，现在通常被称为霍普菲尔德网络。（Hopfield network），相关记忆技术可以存储和再现图像和其他数据模式；辛顿是反向传播算法和比较散度算法的共同发明者，也是深度学习的积极倡导者，被称为“深度学习教父”或“AI教父”。

试着用通俗易懂的语言来解释两位获奖者的发明。

想象一下，一堆磁铁可以自由旋转自己的北极和南极。这些磁铁被杂乱地放置在一起，但有一个特殊的规则:如果一个磁铁的北极面对另一个磁铁的南极，它们会互相欣赏；相反，如果两个磁铁的极端相对，它们就会相互排斥。这就是所谓的自旋玻璃，一种物理模型，用来描述这种混乱而相互影响的颗粒集合。

现在，用这个想法建立一个“记忆存储器”。每一个小磁铁都像神经网络中的神经元，可以设置为活跃(北极)或不活跃(南极)。当你把这些“神经元”放在一起时，它们会相互影响，最终达到一个稳定的状态，就像磁铁最终会排列得很好，最大限度地减少排斥一样。

Hopfield网络就是这样一种神经网络，模仿大脑记忆。你可以在这个网络上“教”一些方法(比如一串数字或者一张图片)，网络中的“神经元”会调整自己，这样你以后就可以回忆起这个模式了。这就像以特定的方式排列一堆磁铁，然后它们就可以记住这种排列，即使它们被打乱了，它们也可以恢复。

让我们来谈谈Hinton的发明。

想象一下，一堆乐高积木建造了一个复杂的模型。但是最后的模型不清晰，不知道怎么一步一步建造。这是训练神经网络时面临的问题:我们有很多数据，我们知道我们想要的最终结果，但我们不知道如何调整网络中的连接，以便它能够正确处理数据。

反向传播算法是一种解决方案。它就像一个工具，可以取消错误的步骤。每次建造一个错误的积木，这个工具就可以让建筑商回到最后一步，调整积木的位置，不断尝试。通过不断的试错和优化，最终建立正确的模型。在神经网络中，这意味着网络中的连接可以逐渐调整，以便正确识别数据中的方法。

另一种灵感来自物理学的神经网络是玻尔兹曼机。在统计物理学中，它运用了一个概念，即在一定温度下，颗粒会以某种概率处于不同的状态。在玻尔兹曼机中，每个“神经元”就像一个颗粒，可以活跃或不活跃，这些状态会根据网络中的整体能量状态进行调整。通过这种方式，网络可以学习如何从数据中提取有用的信息，就像统计物理学帮助我们理解粒子的行为一样。

简而言之，Hopfield网络和Hinton的工作是将物理学的概念应用到神经网络中，通过模拟大脑的工作模式，使计算机能够学习、记忆和识别复杂的数据模式。

更加重要的是，Hopfield、Hinton展示了物理原理如何应用于理解和模拟大脑的工作模式，这是一个跨学科的创新。这一创新不仅促进了人工智能技术的发展，而且为物理学提供了新的研究工具和角度。

二 AI——“万能钥匙”的科学难题

当前的AI技术，不仅仅是技术的创新，更是思维方式的革命。

AI技术，特别是深度学习和大型模型，在许多科学领域都表现出了强大的模式识别和数据处理能力。这一能力不但加速了科学研究的进程，而且使科学家能够探索数据海洋中的细节，发现隐藏的规律。

通过深度学习算法，AI可以分析和解释粒子物理学中的高能冲击数据等复杂的物理变化。这种分析能力使科学家能够更快地识别新的粒子和物理变化。加速理论物理学的发展。

AI可以预测蛋白质的三维结构，这对理解生命的本质和开发药物尤为重要。AI的预测能力将实验工作缩短到几周甚至几天，需要很多年甚至几十年。

AI还可以预测分子和化学变化，加速新材料和药物的发现。AI已成为科学研究的加速器和创新的催化剂。

在医学、天文学等领域，AI的影响不仅限于物理、生物和化学，而且具有很大的潜力。AI的跨学科特征使其能够连接不同领域的数据和知识，促进科学发现的边界不断扩大。这种跨学科的合作模式意味着AI将成为未来科学研究的核心力量。

但是，AI并非无所不能。其能力是基于大量数据，而这些数据的质量和完整性直接关系到AI的分析。

此外，AI的决策过程往往是一个“黑箱”，其内部逻辑和推理过程对人类来说并不透明。这引起了人工智能的可靠性和道德责任的质疑。人工智能的“黑箱”特征使我们很难完全信任它的输出结果，尤其是在与生命安全相关的医疗领域。

尽管有挑战，作为科学问题的“万能钥匙”，AI是不可或缺的。它正在推动科学研究进入一个由数据驱动和算法优化的新时代。

三 使用AI，再一次了解行业

我们正站在新革命的边缘，这场革命的催化剂是AI。它不仅意味着未来科学发现的领导者将彻底改变我们对世界的认知方式。AI的发展正带领我们进入一个全新的时代，就像历史上的科学革命一样，其中数据和算法将成为探索未知世界的新工具。

AI的应用也促进了跨学科研究的兴起，因为它可以连接不同领域的数据和知识，促进新的科学发现。这种跨学科合作模式不仅加速了知识的积累，也为解决复杂问题提供了新的视角。

更加重要的是，人工智能正在颠覆我们理解世界的方式。通过分析社交媒体数据，我们可以更好地了解社会趋势和人类行为，从而提供观察和理解世界的新视角。人工智能的预测和模拟能力也在改变我们对某些现象的理解和预测方式，例如模拟气候问题，帮助我们理解全球变暖的影响。与此同时，AI也在帮助人类做出更加智能化的决策，无论是预测金融领域的市场趋势，还是提升交通领域的路线。

现在，在各服务商的加持下，AI技术也在不断地赋予各行业权力。从电子商务到金融，再到工业，不断渗透，推动产业智能化升级。

AI技术在电子商务领域的应用已相当成熟。例如，京东京言AI助手可提供商品专业知识解答，帮助消费者了解不同品类商品的特点和购买要点，并提供智能推荐、产品对比等服务。通过自然语言理解技术和大数据分析，阿里巴巴的阿里小蜜，对大多数常见问题进行自动化处理，提供一站式服务，并提供多种接入方式。

金融业也是AI应用的热点领域。“光子”是恒生电子推出的金融智能助手，它可以整合金融相关的数据处理、分析和决策支持功能，提供高质量的金融服务咨询，帮助自动实施账户管理、交易处理等一些常规后台操作。

AI技术在工业领域的应用正在推动制造业的智能化转型。AI技术在生产中的应用体现在提高生产效率和生产线的稳定性，实时动态收集和分析，预测性维护，智能排产等。与此同时，AI技术还通过智能优化和控制能源使用，帮助节能降耗和排放。AI技术的应用在物体分拣、质量检验、仓储自动化等方面也显著提高了效率和准确性。

此外，AI技术还帮助销售管理升级，准确预测销售趋势，改进营销策略，提高客户服务，实现快速、个性化的营销推广。例如，通过AI的销售预测分析，公司可以降低库存积压的风险，提高资金周转率。

总体而言，AI技术在工业数字化转型中的应用正在不断创新，它不仅提高了生产效率和运营效率，而且促进了产业结构的优化和提高。随着技术的不断发展和应用，预计AI将在更多领域催生真正的“原生应用”，促进经济社会的创新发展。

随着人工智能的发展，我们的生活方式、工作方式和对世界的认知发生了根本性的变化。这场由人工智能驱动的科学革命，不仅仅是技术创新，更深刻地影响着我们的社会结构和文化发展。

未来，AI可能会带来根本性的变化，开启一个新的时代，让我们以前所未有的方式探索未知，解决问题，了解世界的复杂性。

本文来源于微信微信官方账号“产业家”（ID：chanyejiawang），作家：斗斗，编辑：皮爷，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com