在这个星期诺贝尔奖的颁发可以说是计算机科学领域的“双喜临门”，这次诺贝尔化学奖和物理学奖的办法，再次将AI的研究推向了更高的高度。但这也在全世界中引起了一则热议话题：“物理学是不存在了吗”、“化学的尽头皆是计算机吗？”，以往常被人们热传的一句话是：“学好数理化，走遍全天下”，现在貌似数理化学好了，也难逃被AI吊打的命运。更多的则是感慨“互联网与计算机真的要一统天下了。”
在10月8日，我们的国庆假期后的第一天，瑞典皇家科学院宣布，AI“教父”Geoffrey Hinton（杰弗里·辛顿）博士以及他在机器学习领域的前辈John Hopfield（约翰·霍普菲尔德）博士共同获得了本年度诺贝尔物理奖，为表彰他们通过人工神经网络实现机器学习得基础 发现与发明。
很多人会觉得奇怪并感到意外，两位AI领域的大佬为什么会获取到物理奖项，Hinton本人也不例外，惊讶地回应瑞典皇家科学院方这发生的一切。在接受采访时，也是回应出”用于构建如今常见AI模型的是另一种不同的技术（即反向传播算法），这方面的技术跟物理学的关联不太大。”而针对于采访中的提问“您是否会觉得自己获颁物理学奖有点奇怪？”Hinton是这样回复的：“如果诺贝尔奖中有计算机科学分支，那我们的工作显然更合适。但可惜暂时没有这些分支项目。”
一位在认知科学和人工智能领域非常知名的学者和企业家Gary Marcus（加里·马库斯）则直言“Hinton的得奖情况确实让很多人都摸不着头脑。毫无疑问，Hinton这几十年来一直都是机器学习领域的顶峰任务，从他 手上创造的技术非常多，更值得称赞的是他多年以来一直坚持在这方面的研究，即使在当时这个研究方向并不受欢迎也一直坚持不懈，这点不会有人质疑。但引文中提及到他是因为发明了反向传播算法而获奖，但实际上他并没有发明这个算法。”
Gary Marcus进一步发出言论说“Hinton确实是对机器学习产生了深渊的影响，但获奖的原因，或者说这一系列举动是如何推动了物理学的发展，到现在仍然没有一个能让大众接受的具体原因，部分人可能会持续一段很长的时间，带着疑问看待这次的奖项。即使是长时间支持Hinton的著名的计算神经科学家Steven Grossberg（史蒂芬·格罗斯伯格）也发表评论道：“我们都统一诺贝尔奖的科学委员会对神经网络的历史了解不深。”
诺贝尔物理学奖委员会主席Ellen Moons（埃伦·穆恩斯）作出明确回应：“获奖者的工作已经产生出了最大效益。在物理学中，我们能够将人工神经网络应用于广泛领域，比如用于开发具有特定属性的新材料。”对于世人或者AI使用者来讲，无论如何，这都是诺贝尔奖首次对AI技术进行表彰。非要说拿出点证据证明我们真正进入到了AI时代，那首次颁发给AI的诺贝尔奖已经出现了。
Geoffrey Hinton（杰弗里·辛顿）是一位77岁的加南大多伦多大学的教授，但可以说事实上Hinton从没正式学习过计算机科学。在Hinton在剑桥大学上本科的时候选择攻读的是生理学和物理学，从他高中开始就特别热衷于研究“人脑到底是怎么运作的”，为更清楚地研究这个方向，大学的Hinton选择了最生物和物理学的双修，在当时也唯有他一个是这样“剑走偏锋”修读了两个毫不相关的专业，但他的构思是，物理学能很好的研究“运作”，生物学能助他更好地了解大脑构造。但最终对他的研究没有起到帮助作用，后面又转攻哲学和心理学，但始终没对他热衷的研究提供任何帮助。在求学的过程出现瓶颈期，一度厌学并且去当了木匠，在屡遭挫折后重新回到爱丁堡大学，发现计算机神经网络的学术内容与他的研究方向非常相似，非常果断选择了当时不被大众看好的神经网络。
尽管当时Hinton的博士导师本人也劝说过放弃这方面的研究，转攻其他领域，就算当时已经顺利拿到了博士学位，但因为学科没有什么前景，毕业后根本没有适合的工作岗位。虽说Hinton最终在卡内基梅隆大学得到了一个编外教员的职位，也得到了有限的研发资金，但他是没有工资的。Hinton的人生历程非常多次多彩，小编也无法一口气全部分享出来，我们只需要知道他是个非常固执的人，但也是这种固执有了今天这番的成就。
今年的诺贝尔奖信号并不是代表着人类大脑潜力已经接近尽头，也不是物理化学生物的尽头就是计算机，是需要计算机辅助我们开拓更好层次的知识。无论是微观还是宏观的世界进行更深入的研究都面临难以想象的庞大数据，而人体神经的设计结构已经决定了人类不善于进行高速及大量的计算，计算机的存储和计算运行刚好填补了人体上的缺陷。
工具就是工具，并不代表这就是目的，或许以后计算机就是一个基本技能，不区分任何专业和方向，就像现在人人都会打字一样。改变世界或者让存于这世上的我们进步，还是离不开数理化。
热门跟贴