因为过于出乎意料,所以我做了一个表情包(手动滑稽):
简单解释一下其中的几个梗:
中立善良:彭罗斯是数学家,他的工作主要是通过数学证明黑洞的存在,虽然与广义相对论有关,但他本人并不是物理学家。
混乱善良:Bednorz 本人是学化学和材料出身的,不过他的工作发现了高温超导电性也确实值得一个诺贝尔物理学奖,而关于高温超导的机制一直被视为凝聚态物理「皇冠上的明珠」,至今也没有得到解决。
混乱中立:贝尔实验室的两位工程师 Penzias 和 Wilson 因为摆弄射电望远镜探测到了宇宙微波背景辐射获得了诺贝尔奖。
中立邪恶:这是我第一次对诺贝尔物理学奖颁发而诧异的时候,因为其中两位获得者 Syukuro Manabe 和 Klaus Hasselmann 是研究地球气候的。
混乱邪恶:今年的诺贝尔物理学奖,获奖原因是神经网络……
我在全网看了这么多预测,以及我周围里里外外一圈的物理壬就没一个预测对的,包括我自己。
上一次发给凝聚态还是 2016 年的拓扑相变理论和拓扑物态,按照诺奖委员会雨露均沾的风格,8 年过去了怎么也得发给凝聚态了吧,结果最终获奖者的获奖理由是「利用人工神经网络实现机器学习」?
我在网上找到了 PhysicsWorld 预测 2023 年诺贝尔物理学奖时的一张统计图,里面就详细统计了诺贝尔物理学奖颁发给各个领域的统计情况,见下图:
这里划分了七个领域(当然这也存在一定人为性):
Astronomy, astrophysics and cosmology (天文学、天体物理、宇宙学);
Nuclear and particle physics (核物理和粒子物理);
Applied physics (应用物理);
Quantum physics (量子物理);
Condensed matter physics (凝聚态物理);
Atomic, molecular and optical physics (原子、分子和光物理);
Clasical physics (经典物理)。
我倒是挺好奇,机器学习能分到哪个领域里……?
不过今年这两位获奖者也确实是大佬,除了 @拉格朗日的忧郁 提到的 Hinton 拿过 2018 年图灵奖以外,
另一位得奖者 Hopfield 拿过 2001 年狄拉克奖和 2022 年玻尔兹曼奖,而获狄拉克奖的理由是:
「在令人印象深刻的广泛科学学科中做出了重要贡献。他特殊而罕见的天赋是他能够跨越跨学科边界发现新问题并提出答案,从而揭示实验事实背后的概念结构」
毕竟他以前是做物理,后来转去做生物,现在又来做神经网络了……
Anyway,我必须再次重申 Physics,天下物理和计算机科学本一家。
不说了,我已经开始着手准备转码了。
| 答主:催更
要不这样吧。诺贝尔物理学奖发给机器学习,图灵奖发给数学,菲尔兹奖发给通信,香农奖发给医学,拉斯克奖发给电影,奥斯卡奖发给新闻,普利策奖发给音乐,格莱美奖发给物理学。
| 答主:悟性无明
| 答主:白洛猫
| 答主:FlyToSky
没什么好评价的,臭天坑专业奖项上我 CS 领域蹭热度来了(乐)
属于是学 CS 的和学物理的都难绷。建议赶紧增设信息科学奖吧,不然没多久 Alphafold 就要领生物医学奖了。
为大伙儿奉上自制表情包
| 答主:强化学徒
物理学的两朵乌云
| 答主:极萨学院冷哲
引用一个看了直播的朋友的说法:
本来是在边听边记,当听到「Machine Learning」这个词蹦出来的时候,整个人都懵了,开始怀疑自己的英文听力水平,都没有怀疑物理学奖能颁给这个……
| 答主:木乙己
诺奖委员会是在用这种方式来提醒大家:都什么年代,还在做传统物理?
机灵抖完,顺手写点儿正经的。
这次颁奖之所以在物理从业者群体中引起一定的争议,主要是因为这次颁奖的理由的确有违诺贝尔物理学奖一贯的风格。
物理学奖的风格一贯是这样的:获奖的工作一定要解决一个具体的物理问题。
如果在解决这个问题的过程中,顺手提出了新的研究范式,那就更是获奖者中出类拔萃的了。
拿着这个标准对照以往的物理奖获得者,我个人没想到有什么例外。
另一方面,用这个标准去衡量那些著名的未获奖者,也都是若和一契。比如 Berry,比如 Kubo,比如几乎所有的狄拉克奖获得者。
但是这次发给机器学习,确实违背了上述默契。虽然玻尔兹曼机这套体系看起来确实是从统计物理中得到的灵感;虽然大家也都承认,机器学习或神经网络方法在当今计算物理的研究中有举足轻重的地位。但是并没有哪个具体的物理问题原则上是离开了机器学习就无法解决的。如果采用今天颁奖的同样逻辑,那么上世纪计算机的发明肯定值得一个物理学奖。
当然,纵向对比也可以看到,现代物理学确实是多年没有狠活儿了。在现代物理学最关心的那些题目里(比如典型的高温超导),理论的预言性可谓是聊胜于无。
为什么当代理论物理的预言性这么差?循规蹈矩的物理学家可能会想:如果我算的不够好,那是因为我理解的不够深。但是今晚,诺奖委员会给出了另一个答案:如果你理解的不够深,那是因为你算的不够好。
想想看,如果你输入高阶圈图的参数,计算机就能用魔法般的神经网络告诉你计算结果;那原则上根本就没有什么强关联问题。你以为强关联物理需要引入什么新的范式?错了!去改进计算机算法才是正道。
新物理到底要怎么搞?牛爱不可复生,将使谁定世之诚乎?无论怎样,诺奖委员会钦点了:世之显学,计算理论也。
想要了解更多关于诺贝尔奖的精彩预测和专业见解,点击【阅读原文】,立即前往知乎圆桌查看!