瑞典皇家科学院于10月8日揭晓，2024年诺贝尔物理学奖的荣誉归属约翰·J·霍普菲尔德和杰弗里·E·辛顿，以表彰他们在利用人工神经网络促进机器学习方面的根本性发现与创新。这两位科学家自20世纪80年代以来，在物理学领域内对人工神经网络的贡献显著。
这一消息引发了一些网友的好奇：为何诺贝尔物理学奖会授予人工智能领域的研究者？人工神经网络与物理学的关联何在？
广东科普讲师团成员、哈尔滨工业大学（深圳）计算机学院副院长何道敬指出，霍普菲尔德和辛顿的工作为人工神经网络及机器学习的进展奠定了坚实基础，对现代科技与社会生活影响深远，因此获奖实至名归。
机器学习是指在无外部指令情况下，机器借助数据等手段自我习得能力的过程。从识别手写数字等简单任务起步，人工智能技术逐步演进至今日诸如GPT的大规模模型。人工神经网络作为机器学习的一种形式，模仿人脑神经元的结构进行学习操作。
对于人工智能科学家获物理学奖项是否适宜的疑问，华南理工大学人工智能未来创新实验室常务副主任陈安认为，这是很正常的现象。他解释说，霍普菲尔德神经网络的设计就基于物理原理，辛顿的玻尔兹曼机也运用了统计物理学工具。科学研究旨在探索世界本质，智能生成机制是核心问题之一，无论归于哪个科学领域，其背后的原理是相互联通的。
人工智能技术，如无人驾驶、人脸识别等，正日益融入日常生活，神经网络和机器学习是其背后的关键驱动力。中国工程院院士孙凝晖的报告强调，以深度学习为代表的新AI算法极大提高了模式识别等应用的效能，甚至在某些情况下超越了人类的表现。通过大量数据训练，神经网络能够不断优化，实现对复杂模式的高效识别，促进了从语音识别到自动驾驶等多领域的广泛应用。
何道敬还提到，大模型、大数据和大算力的协同发展，不仅使计算处理更为精准高效，也为从前难以实施的应用场景开辟了道路。例如，哈工大（深圳）计算机学院在人工智能与大模型领域持续研究，并获批了深圳市唯一的“大模型智能与安全重点实验室”，致力于推动人工智能技术的进一步发展与实践应用。
