从Hinton获2024年诺贝尔物理奖说起

汽车未来科技Lab · 公众号 · · 2024-10-09 10:51

正文

2024年诺贝尔物理学奖授予了约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·Hinton（Geoffrey E. Hinton），以表彰他们在人工神经网络方面的奠基性研究。霍普菲尔德是普林斯顿大学的教授，他发明了一种关联记忆模型，可以存储和重构数据中的模式；Hinton是多伦多大学的教授，他基于霍普菲尔德的研究，开发了玻尔兹曼机，这是一种通过概率方法对数据进行分类的网络，从霍普菲尔德到Hinton是一个连续的历程，他们的贡献极大地推动了人工智能的发展。

为什么是他，没有她？

人工智能的发展可以追溯到20世纪50年代，AI的发展历程经历了几次重大起伏，主要可以分为符号主义、连接主义和进化主义三条路径。符号主义路径，即“经典AI”，试图通过逻辑规则和符号推理来模拟人类智能；进化主义路径，通常以遗传算法和群体智能为代表，试图通过模拟生物进化过程来实现机器的自适应能力；而连接主义路径则是Hinton等人所推动的神经网络和深度学习的研究方向。Hinton的工作奠定了现代AI的基础，并推动了深度学习在图像识别、语音识别和自然语言处理等方面的突破性应用。

Hinton被称为“AI之父”，而另一个很优秀的华裔科学家李飞飞（Fei-Fei Li），仍是连接主义的领军人物，被称为“AI之母”，但此次与诺奖无缘。

Hinton获得诺贝尔物理学奖，主要是因为他在深度学习领域的基础性工作，这些工作奠定了神经网络学习的理论基础。反向传播算法是深度学习的关键，它让多层神经网络的训练成为可能，这一突破是深度学习崛起的根本原因。Hinton对神经网络结构、学习算法的深入研究，推动了整个深度学习学科的进步，为现代AI的蓬勃发展提供了基础性支持。

李飞飞在推动深度学习实际应用方面，特别是在计算机视觉的落地和推广中，做出了重要贡献，李飞飞通过大规模数据驱动的方法来推动AI的发展，特别是在图像识别中，利用大规模标注数据来训练神经网络。她强调数据在深度学习中的重要性，通过ImageNet等项目，让模型通过大量数据进行训练，以增强其对视觉世界的理解。

Hinton的工作涉及神经网络的核心算法，极大地改变了人工智能的研究方向。相比之下，李飞飞的工作虽然同样重要，但更多是将这些基础理论应用于实际问题，如图像识别等。然而，诺贝尔奖更倾向于奖励在科学原理和理论方面做出开创性贡献的人。Hinton的工作不仅推动了深度学习理论的形成和发展，还对其他领域的神经网络应用产生了深远影响。因此，他的理论创新被视为深度学习领域的奠基性突破，更符合诺贝尔奖对基础科学贡献的评判标准。

从时间上来看，Hinton的工作开始得更早，从1980年代就开始在神经网络领域做出重要贡献。李飞飞的主要贡献（如ImageNet）开始于2000年代后期。

这并不意味着李飞飞的贡献不重要。她在计算机视觉领域的工作，特别是ImageNet数据集的创建，对推动深度学习在视觉识别任务上的应用起到了关键作用。李飞飞的工作为Hinton等人开发的理论和算法提供了实际应用的舞台。

Hinton和李飞飞的工作可以看作是相辅相成的：Hinton提供了理论基础和算法创新，而李飞飞则提供了大规模数据和应用验证。两人都对AI领域做出了巨大贡献，只是从诺贝尔物理学奖的角度来看，Hinton的工作可能更符合其评选标准。

他为什么惊讶？

在昨天，Hinton接受瑞典皇家科学院的采访时，停顿了很久，然后他说：“我没有想到”。他为什么没有想到？

这不是拘谨与谦虚。

2013年，Hinton加入谷歌，初衷是将深度学习技术应用于现实世界中的实际问题，如语音识别和图像分类等。他在谷歌的工作帮助推动了AI技术的商业化和普及。然而，随着AI的发展，Hinton逐渐对自己参与的技术产生了反思。

（GPT-4发布当天，Hinton曾表示，毛虫吸取了营养之后，就会化茧为蝶。而人类提取了数十亿个理解的金块，GPT-4，就是人类的蝴蝶。）

他在2023年离开谷歌，并公开表达了对AI技术未来可能带来的社会风险的忧虑，特别是对AI系统不可控性的担心，以及AI对社会的冲击。Hinton表示对自己过去工作的一些方面感到怀疑，他对推动深度学习发展的道德后果有着深刻反思。而正是对人工智能风险深深地担忧，让这位深度学习巨佬直言：”我对自己的毕生工作，感到非常后悔。”这两年他接受了许多访谈，并做了一些重要的报告，都在谈对AI的警惕与反思。

在这样的背景下，Hinton获得诺贝尔物理学奖的确具有某种讽刺意味。从一方面来看，这个奖项肯定了他在人工神经网络和深度学习方面的杰出贡献，推动了现代AI的兴起。然而，另一方面，这种成就也成为他所担忧的问题的根源——即AI可能带来的负面社会影响。因此，这一奖项既是对他科学工作的赞美，也反映了科学家在技术带来的伦理挑战中所面临的矛盾：他们为技术的进步作出了巨大贡献，但也不得不面对这些技术可能带来的风险和问题。对于Hinton来说，获得诺奖固然是对他过去工作的肯定，但这也可能加剧他对技术未来走向的担忧。

Hinton对AI技术未来的担忧，甚至对其自身贡献的反思，显示了科学家在面对其发现对社会产生深远影响时所处的伦理困境。这种困境早在爱因斯坦时代就已存在——科学突破的影响一旦超出了科学家的初衷，科学与社会责任之间的张力就随之浮现。

这种情况类似于爱因斯坦与核科学的经历：爱因斯坦的相对论为核能的开发提供了理论基础，但后来核能被用于制造核武器，使得爱因斯坦对自己的科学发现带来的后果感到深深的遗憾，他全力以赴去反战、反核。这种张力凸显了科学家在推动技术进步和应对技术应用带来的社会后果之间的矛盾，这也是科学哲学中的一个经典问题，即科学发现的伦理责任与社会影响如何平衡。

诺奖的立场？

诺贝尔奖的设立初衷是表彰那些为人类做出重大贡献的科学突破或发现。2024年，诺贝尔物理学奖授予了Geoffrey Hinton和John Hopfield，表彰他们在人工神经网络领域的开创性工作。这一决定无疑是对其技术贡献的肯定。然而，在伦理、社会风险尚未完全明确的情况下，诺奖的授予是否合适，确实引发了复杂的讨论。

诺贝尔奖传统上偏重于技术突破的科学价值，而不一定涉及该技术的社会影响评估。因此，诺奖的立场是基于对知识前沿的认可，而不是对未来社会应用的道德判断。Hinton和Hopfield的贡献，特别是神经网络在计算机视觉、自然语言处理等方面的应用，奠定了现代人工智能的基础，从科学的角度来看，值得表彰。

虽然，获奖者Hinton本人对人工智能潜在的社会影响表达了深刻的忧虑，甚至对他推动的技术未来感到不安。他的担忧集中在AI系统的不可控性、对就业的冲击，以及生成虚假信息的可能性。这种矛盾的情感正好揭示了当前科学发展与伦理问题之间的紧张关系。

但，诺贝尔奖在这个问题上的“立场”，实际上它并不是对AI未来的定论或风险评估。诺奖主要表彰的是科学技术的基础性贡献，而不是对技术应用或未来发展方向的道德评判。因此，授予Hinton和Hopfield的诺奖更多是对他们在神经网络领域奠基性工作的认可，而不是对未来AI应用的全面立场。

同时，科技的飞速发展往往超前于伦理和社会的反思。在这种背景下，科学突破与其带来的社会问题往往并存。诺奖的授予可能恰恰反映了一个未解的现实：科学发现与伦理反思需要并行，但这两者往往并不同时发生。技术成就和其应用带来的社会挑战正是当前人类必须面对的双重课题。

科学与社会伦理、责任问题？

爱因斯坦与Hinton的经历都揭示了科学家在面对其发现带来的社会后果时的复杂处境。

科学本质上是一种探索自然界规律的活动，其目标是揭示真理，而非对世界产生道德或伦理的评判。科学技术具有中立性，它为人类提供工具和知识，使得我们能够更好地理解和改造世界。然而，科学技术的应用却充满了社会性和伦理考量，往往超出科学家的意图。

卡尔·波普尔（Karl Popper）曾指出，科学是一种持续的试错过程，科学家的工作不仅是发现真理，更是在面对错误和风险时进行反思和改进。科学技术的发展不可避免地会对社会产生影响，而科学家作为技术突破的创造者，在面对其发明可能带来的社会和伦理问题时，是否也应当承担更多的责任？

从“责任伦理学”（哲学家汉斯·约纳斯在《技术与责任：伦理学的未来挑战》提出的概念）的角度，随着现代技术的发展，科学家和技术开发者有义务对其技术可能带来的未来影响保持高度的责任感。科学家不仅是知识的创造者，也应当承担对其创造物的伦理责任，特别是在可能影响人类生存和福祉时。“面对技术的力量，我们必须重新考虑我们的责任，特别是对于那些尚未诞生的后代，他们的命运取决于我们今天的行为。”

最有影响的是马尔库塞《单向度的人》(在中国流行很广的一本书，上世纪80年代至今，在中国有无数版本)。在其中讨论了科学技术对现代社会的深远影响。科学技术并非简单的中立工具，而是在现代资本主义社会中成为控制和塑造社会结构的重要手段。具体来说，科学技术不仅仅是生产力的发展工具，它还深刻地塑造了人类的思想方式和社会行为，导致人类逐渐丧失批判性思维，接受了技术理性为唯一标准。在《单向度的人》中，马尔库塞提到：“技术进步在增加物质财富的同时，也带来了对人的控制，使得人类对技术和消费的依赖不断加深，而忽视了由此带来的伦理和社会问题。”

科学、社会、伦理之间的平衡，是一个不断变化和演进的过程。爱因斯坦与Hinton都张显出科学家的角色不仅是知识的创造者，更是对人类社会负责的反思者。在人工智能技术迅速发展的今天，我们需要的不仅是技术上的突破，也需要伦理上的深思熟虑和社会层面的集体讨论。

但愿，未来的道路行稳致远。