图灵奖得主杰弗里·辛顿获诺贝尔物理学奖，人工智能将要超越人类了吗？

2024年诺贝尔物理学奖授予了约翰·霍普菲尔德（John J. Hopfield）和杰弗里·辛顿（Geoffrey E. Hinton），以表彰他们利用人工神经网络进行机器学习的奠基性发现和发明。

他们基于物理学工具提出了驱动人工神经网络的方法，利用大脑启发的分层结构来学习抽象概念。诺贝尔奖委员会主席、瑞典卡尔斯塔德大学的物理学家Ellen Moons在发布会上表示，他们的发现“构成了机器学习的基石，可以帮助人类做出更快、更可靠的决定”。

约翰·霍普菲尔德 (John J. Hopfield ) 1933 年出生于美国伊利诺伊州芝加哥。他于1958 年获得康奈尔大学物理学博士学位（导师为Albert Overhauser）。现任美国普林斯顿大学教授，因其在计算机科学、生物学和物理学方面的开创性发现而闻名。

杰弗里·辛顿（Geoffrey E. Hinton）1947年出生于英国伦敦。20世纪70年代初，辛顿在英国爱丁堡大学读研究生时开始研究神经网络。1978年获得博士学位，如今他在加拿大多伦多大学担任教授。

1982年，霍普菲尔德提出了一种网络，将虚拟神经元之间的连接描述为物理力。它能够存储和重构图像以及其他模式类型，这一结构被称为联想记忆，因为它的这种“回忆”方式类似于大脑根据相关信息记住一个词或一种概念的方式。

而辛顿则利用统计物理学原理，进一步发展了“Hopfield网络”。通过在网络的分层版本中引入概率，辛顿创建了一种新工具，即“玻尔兹曼机”，可以识别和分类图像，或生成其训练类型的新示例。

2006年，辛顿提出了深度置信网络（Deep Belief Networks），这是一种多层的生成式模型，能够自动学习数据的内在特征。这一创新为后来的深度学习技术，如卷积神经网络和循环神经网络的发展提供了方向。

但进行深度学习还需要突破更大的瓶颈：足够快的计算机（高算力）和足够多的数据，以及足够多的耐心来训练。

正如辛顿在《人机对齐》这本书中所提到的，“我们的标记数据集规模还需要增大数千倍，计算机还需要加快数百万倍”。

时间来到2012年，辛顿和他的学生亚历克斯·克里泽夫斯基（Alex krizhevshy）、伊尔亚·苏茨克维（Ilya Sutskever）找到了突破瓶颈的办法，他们利用GPU来训练深度神经网络模型，最终在imageNet比赛中获得第一名，即“AlexNet”模型。

《人机对齐》一书的作者布莱恩·克里斯汀在书中回顾了这一段经历，他将其描述为深度神经网络的曙光。因为相较于之前传统计算机逐步计算的计算方式，辛顿与霍普菲尔德的研究让网络可以从示例以及复杂数据中学习，这也让人们知道应该“如何训练深度神经网络”。

如今，模仿人类学习的神经网络已经成为了诸多先进的AI工具的基石，从大语言模型ChatGPT到能够分析海量数据的机器学习算法，包括蛋白质结构预测模型AlphaFold。

值得一提的是，本次诺奖得主之一的杰弗里·辛顿（Geoffrey E. Hinton）在2018年还获得了图灵奖，该奖项也被称为“计算机科学的诺贝尔奖”。

2022年底，openAI宣布正式推出人工智能技术驱动的自然语言处理工具——chatgpt，并迅速在网络上走红。

随后，生成式AI迎来了大爆发，机器学习的研究取得了阶段性的进步，这种影响不亚于工业革命。但与前几次工业革命不同的是，它超越的不是人类的身体力量，而将是人类的智力水平。

然而随着人工智能越来越“智能”，例如生成图片、生成视频、换脸等应用层出不穷，人们也开始审视使用人工智能是否安全。

这个问题也在openAI公司内爆发，其首席科学家伊尔亚·苏茨克维（Ilya Sutskever）认为应该先暂缓继续发布新的语言模型，确保人工智能发展是安全的。而CEO萨姆·奥尔特曼（Sam Altman）认为应该保持进度。

最终伊尔亚离开了openAI，并创建了一家专注于人工智能安全的公司，将会尝试通过将工程式创新融入 AI 系统来实现安全性。

作为伊尔亚的老师，辛顿也认为应该对人工智能采取安全措施，在《人机对齐》这本书中，他也不止一次提醒人们需要警惕人工智能技术有朝一日可能会毁灭人类，对于当下飞速发展的人工智能技术，辛顿认为它们（机器系统）会以超乎想象的速度变得比人类更智能。

更多关于人工智能应该如何安全使用以及如何让人工智能真正理解和达到人类的目的，大家也可以看看美国作家布莱恩·克里斯汀所写的《人机对齐》，书中清晰阐释了AI与我们息息相关的问题，同时准确呈现了人工智能技术最前沿的进展。