10月8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·辛顿，以表彰他们通过人工神经网络实现机器学习而作出的基础性发现和发明。

人工神经网络是一种模拟人脑神经元工作方式的机器学习模型，旨在通过模仿大脑的工作方式来处理复杂的计算问题。如今人工神经网络被广泛应用于医学、工程等各个领域，而且有望用于设计下一代计算机。

杰弗里·辛顿提出了反向传播算法，让人工神经网络的训练成为了一种可能；约翰·霍普菲尔德提出了霍普菲尔德网络，这个网络对早期人工神经网络发展具有重要意义，20世纪80年代，许多物理学家都曾利用霍普菲尔德网络实现了由物理学到神经科学的跨越。

第一点启示，奠基理论是人工智能科研突破的关键前提。1986年，杰弗里·辛顿发表了反向传播算法的经典论文。虽然反向传播算法诞生于20世纪60年代，但杰弗里·辛顿的这篇论文让人们真正认识到它的重要性，掀起了神经网络研究领域的“文艺复兴运动”。如今的生成式人工智能大模型、多模态大模型的训练都离不开反向传播算法。

第二点启示，成功的科研来自于“漫漫长夜中的长期探索”。杰弗里·辛顿在1978年获得人工智能博士学位后，正赶上人工智能低谷期，那个时候人工智能领域的主流理论是符号主义和专家系统，人工神经网络这条路一度走不通。然而，杰弗里·辛顿并没有放弃，一直坚持在人工神经网络领域探索。直到2000年左右GPU兴起，杰弗里·辛顿才取得一些重大突破；此后，他带领学生一路披荆斩棘，在人工智能领域获得多个里程碑式的成果。

第三点启示，在AI科研战略和战术上，应充分重视青年科学家的“边缘创新”。可以说，杰弗里·辛顿在青年时期很苦，那时候人工神经网络这个研究方向看不到希望，因为那时候既没有海量的互联网数据，也没有强大的GPU算力，只有算法，人工神经网络这条路显然是走不通的。同时人工智能也是一个冷门专业，学这个专业的人也不好找工作。被誉为“AI教父”的杰弗里·辛顿，是现代俗称的人工智能三巨头之一，目前国际上活跃的人工智能专家很多都是他的学生或同事，比如，OpenAI曾经的首席科学家伊利亚·苏茨克韦尔就是他的博士生。如今人工智能的快速发展，得益于杰弗里·辛顿在学术上的坚守。

关注《田丰说》，每天3分钟，掌握全球AI大机遇。本视频由商汤如影数字人生成。