意料之外，情理之中

    “意外又合理，只是没想到它获奖来得如此快。”得知2024年诺贝尔物理学奖颁奖结果，国家纳米科学中心研究员高兴发如此表示。

    10月8日，2024年诺贝尔物理学奖颁发给美国普林斯顿大学教授约翰·J·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学教授杰弗里·E·欣顿（Geoffrey E. Hinton），以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。

    对于今年诺贝尔物理学奖颁发给“机器学习领域的专家”，接受《中国科学报》采访的多位专家均表示，是“意料之外，情理之中”。

    记者：今年诺贝尔物理学奖为什么颁发给机器学习领域的专家？

    国家纳米科学中心研究员高兴发：人工智能已经影响到我们生活的方方面面，在科研上也提供了很多新工具，所以虽然意外，但也合情合理。比如传统上，我们通过做物理实验、理论推导、计算机模拟进行科学研究，现在机器学习开启了新的科研范式——只要有足够多的数据，就可以搭建一个神经网络，然后通过训练神经网络找到数据之间隐藏的规律。这种科研范式在研究中的应用已有很多，尤其是当我们研究复杂体系时，做实验成本很高、理论推导又太复杂，如果有充足数据，就可以训练一个机器学习模型帮助进行预测。

    因此，诺贝尔奖颁给机器学习领域我不意外，我知道机器学习肯定会获奖，但没想到它来得这么快，也没想到会占物理学奖的名额。

    上海交通大学物理与天文学院教授李亮：神经网络、深度学习绝对是重量级的研究成果，我只是意外它为什么要归于物理学奖。但仔细想想，深度学习其实是一种算法，本质上是数学领域的问题。诺贝尔奖没有设立数学奖项，而物理学奖和它最接近。不出意外的话，将来物理学奖有可能会成为继化学奖之后的第二个“理综奖”。随着学科的交叉融合发展，我甚至觉得这是一个必然趋势。以后的诺贝尔奖大概不太会严格地划分化学、物理学等奖项，统称诺贝尔科学奖就可以了。

    北京理工大学预聘助理教授许坤：机器学习和神经网络在高能物理领域已经有所应用。比如，如何从大量实验数据中挖掘想要的结果？ 以前只能依靠手动操作，但现在借助神经网络就能高效、快速地完成筛选。

    从理论层面看，神经网络对物理理论研究也有一定作用，最简单的用处就是解方程。很多非常复杂、“漂亮”的方程，只有少数函数能求出解析来，但多数解不出来，所以我们需要借助超级计算机进行数值求解。而神经网络为我们提供了新的可能性，原则上它能模拟任意函数的形状，在此基础上求解各种各样的函数。这已应用于高能物理领域，并且近年来应用得越发广泛。

    交叉融合，物理学是否“不存在”了？

    记者：从今年物理学奖颁奖结果看，做交叉学科研究是不是会比传统学科更容易取得突破？

    许坤：从两位获奖者的背景看，欣顿是2018年图灵奖获得者，曾获实验心理学学士学位、人工智能博士学位，看似和物理学都不沾边，但为他日后研究神经网络打下了基础。而且，他并不是一直埋头学术，而是做过很多年工程师，开发了神经网络里非常重要的反向传播算法。另一位获奖者是霍普菲尔德，曾获美国康奈尔大学物理学博士学位，在美国贝尔实验室工作期间萌发了对分子生物学的兴趣。

    回归本次奖项，不难发现，人工智能其实和物理、生物、化学有千丝万缕的联系。当你把非常复杂的数据“扔”给神经网络，它能一层层提取出有效的关键信息，这其中涉及信息的流动，而在高能物理领域也存在类似现象，二者本质上都是提取有效信息的过程。这体现出学科交叉的特性。

    人工智能学者、地平线科技创始人余凯：早期人工智能的专家大部分都有物理学背景。物理学思维实际上是用数学的方法建模现实世界，这跟人工智能的核心意义完全一致。所以，物理学思维对于人工智能是非常重要的。

    李亮：我觉得物理建模或许会成为未来的趋势。简单的数学推导和理论假设可能无法覆盖现实的复杂情况，如果一开始就有物理建模，会让人们走得快点。真正的交叉科学是深层次交叉，是互相学习彼此的思想和底层逻辑。如果想在人工智能领域取得突破，必须和物理取得联系，才能走得更快、更远。

    今天，物理学可能会迎来“第二春”。光靠物理无法覆盖所有领域，但交叉融合给了物理焕发新生的重要契机。未来物理学应该会比较“吃香”，其他学科都会来找物理学家，聊一聊能不能碰撞出新想法。

    中国科学技术大学教授江俊：现在是大科学时代，学科交叉融合已成了大趋势。100年前，由于科学工具有限，我们不得不划分学科展开研究，但现在无论微观还是宏观领域，都有很强的科学工具，比如人工智能就能连接理论和实验、人类和机器人等不同尺度的内容，这也倒逼我们打破学科边界。

    首先，物理、数学、化学等比较严谨的科学变得更加开放。我们以前描述科学规律一定要找到清晰、确定的解析式，但现在逐渐接受了相对模糊、发散的预测，再不断通过实验进行校准，这是很重要的学术观念革新。

    其次，我们可以从数字中发现更多关于人工智能的框架，也能在物理学领域实现与机器学习的融合，这种学科交叉让我们在回归物理和数学本质的过程中，不断突破对人工智能的理解。

    诺贝尔有一句遗嘱让我印象深刻，“当一项发明或者发现能真正改变世界、产生深远影响时，才能获得诺贝尔奖。”我想本届诺贝尔奖的意义或许在于，它突破了大家对于传统物理学的狭隘认知，具有改变世界的力量。