2024年，諾貝爾物理學(xué)和化學(xué)獎授予做人工智能相關(guān)研究的學(xué)者,，引起科學(xué)界熱議,。近日,，中國科協(xié)的學(xué)術(shù)會刊《科技導(dǎo)報》刊發(fā)了李國杰院士的《諾貝爾物理學(xué)和化學(xué)獎為何偏愛人工智能,？》,，我們特此摘錄，以饗讀者,。
李國杰，計算機(jī)專家,，中國工程院院士,、發(fā)展中國家科學(xué)院（TWAS）院士，中國科學(xué)院計算技術(shù)研究所首席科學(xué)家,。研究方向?yàn)橛嬎銠C(jī)體系結(jié)構(gòu),、并行算法、人工智能,、計算機(jī)網(wǎng)絡(luò),、信息技術(shù)發(fā)展戰(zhàn)略等。
諾貝爾物理學(xué)和化學(xué)獎為何偏愛人工智能
李國杰
2024年10月8日,，諾貝爾物理學(xué)獎授予約翰·霍普菲爾德（John Hopfield）和杰弗里·辛頓（Geoffrey Hinton），表彰他們使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)的基礎(chǔ)性發(fā)現(xiàn)和發(fā)明,。次日,，2024年諾貝爾化學(xué)獎授予大衛(wèi)·貝克（David Baker）、戴米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John M. Jumper）,，表彰他們在計算蛋白質(zhì)設(shè)計和用機(jī)器學(xué)習(xí)方法預(yù)測蛋白質(zhì)結(jié)構(gòu)方面的貢獻(xiàn),。這兩項(xiàng)基礎(chǔ)科學(xué)的大獎都頒給了做人工智能相關(guān)研究的學(xué)者，引起科學(xué)界的熱議和爭論,。
諾貝爾獎委員會解釋為什么將諾貝爾物理學(xué)獎授予研究人工神經(jīng)網(wǎng)絡(luò)的學(xué)者,，是因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)是用物理學(xué)工具訓(xùn)練的。也就是說,，目前紅遍全世界的人工智能的原始基礎(chǔ)是基于物理學(xué)的發(fā)現(xiàn)和知識,，機(jī)器學(xué)習(xí)模型是基于物理原理實(shí)現(xiàn)的，其實(shí)就是告訴世人：物理學(xué)是人工智能的源頭,。
霍普菲爾德1982年在《美國科學(xué)院院刊》（《PNAS》）發(fā)表的論文中,，提出了一種人工神經(jīng)網(wǎng)絡(luò)模型（Hopfield Network），終結(jié)了從1974年開始的AI寒冬,，標(biāo)志著以人工神經(jīng)網(wǎng)絡(luò)為新方向的人工智能學(xué)科的復(fù)興,。如今機(jī)器學(xué)習(xí)領(lǐng)域的頂級會議NeurIPS，其起源可以追溯到1984年以Hopfield名字直接命名的Hopfests會議,，彰顯了他的早期工作在神經(jīng)網(wǎng)絡(luò)研究中的核心地位,。Hopfield網(wǎng)絡(luò)是按物理學(xué)上能量函數(shù)最小化來構(gòu)建的,，可以看作是物理學(xué)中“自旋玻璃模型”的擴(kuò)展。Hopfield以跨學(xué)科的視角解釋了人工神經(jīng)網(wǎng)絡(luò)與物理學(xué)之間的聯(lián)系,，Hopfield Network對統(tǒng)計物理學(xué),、人工智能和神經(jīng)科學(xué)三大學(xué)科都產(chǎn)生了巨大的影響。Hopfield教授曾為中國智能計算機(jī)的發(fā)展做出過貢獻(xiàn),。1990年5月,，國家智能計算機(jī)研究開發(fā)中心在北京召開了一次高規(guī)格的戰(zhàn)略研討會，Hopfield教授是被邀請的著名學(xué)者之一,，會后國務(wù)委員宋健在人民大會堂接見了參會嘉賓,。
辛頓的研究曾以Hopfield網(wǎng)絡(luò)為基礎(chǔ)，創(chuàng)建了一個使用不同方法的新網(wǎng)絡(luò)：玻爾茲曼機(jī),。辛頓使用的是統(tǒng)計物理學(xué)的工具,，用來學(xué)習(xí)和識別數(shù)據(jù)中的模式。Hopfield Network和玻爾茲曼機(jī)都是基于能量的模型,，統(tǒng)計力學(xué)原理是這兩者的核心。它們都使用源自統(tǒng)計力學(xué)的能量函數(shù),，解決與模式識別和數(shù)據(jù)分類等應(yīng)用相關(guān)的人工智能問題,。
諾貝爾獎只是一個獎項(xiàng)，諾貝爾獎委員會也只吸納了部分科學(xué)家,，也許我們不必過于在意諾貝爾獎授予誰,。但是這次諾貝爾獎某種意義的“跨界”，不但說明了諾貝爾獎委員會在與時俱進(jìn),，更重要的是,，喚醒了人們對人工智能超預(yù)期發(fā)展和廣泛滲透性的重視。現(xiàn)在人工智能,，特別是機(jī)器學(xué)習(xí),，已成為物理、化學(xué),、生物等基礎(chǔ)研究的重要工具,，“AI for Science”正在引起一場科研范式的大變革。這次諾貝爾獎的“出圈”不是物理學(xué)界和化學(xué)界的“悲哀”,，也許在科學(xué)史上會翻開新一頁,。人工智能確實(shí)是當(dāng)今最活躍的領(lǐng)域，諾貝爾物理學(xué)獎,、化學(xué)獎頒給人工智能學(xué)者,，寄托了廣大科技工作者對人工智能推動人類社會跨越式發(fā)展的期望。
近百年來,，學(xué)科越分越細(xì),。1900年只有約500門學(xué)科,，2000年發(fā)展到5000門以上，100年增加10倍,。按照這個趨勢,，2100年可能要擴(kuò)展到50000門。中國教育部門設(shè)置的學(xué)科也是越來越多,，有些學(xué)者在為新增某個一級學(xué)科而上下奔波,，這與學(xué)科融合發(fā)展的趨勢背道而馳。辛頓教授獲得諾貝爾獎后接受采訪時說：“我覺得我是一個不知道自己在哪個研究領(lǐng)域的人,，但想弄清楚大腦工作原理,，然后在研究中協(xié)助發(fā)明了一項(xiàng)效果驚人的技術(shù)?！?strong>不經(jīng)意的回答透露了獲得重大科學(xué)突破的奧秘：不要在自己頭上戴上哪個學(xué)科的“帽子”,，做不知道屬于哪個領(lǐng)域的交叉科學(xué)研究。這次“諾獎風(fēng)波”后,，許多學(xué)者對長期以來禁錮我們思維的學(xué)科和專業(yè)繭房,，可能會有全新的思考，會更加重視跨學(xué)科的研究,。
非物理專業(yè)的科研人員理解這次諾貝爾獎?chuàng)肀斯ぶ悄?，不是關(guān)注物理是人工智能的源頭，而是更重視人工智能對物理等基礎(chǔ)研究的推動,。人工智能為什么能推動物理,、化學(xué)、生物等基礎(chǔ)研究,，涉及深層次的哲學(xué)問題,。物理與計算都致力于描述自然界如何運(yùn)作，都試圖建立通用的世界模型,。有些樂觀的學(xué)者認(rèn)為,，現(xiàn)在的人工神經(jīng)網(wǎng)絡(luò)模型逐步演化，相互融合,，最終會形成通用的世界模型,。信息論與物理學(xué)中的熱力學(xué)也有著深層次的聯(lián)系，信息論中的熵與物理學(xué)中的熵具有類似的概念,，均涉及系統(tǒng)的無序性和不確定性,。一些激進(jìn)的物理學(xué)家和哲學(xué)家提出，信息是物理世界的基礎(chǔ),，宇宙的基本構(gòu)成單元是信息（bit）,，而物理實(shí)體（如粒子和能量）只是信息的表現(xiàn)形式，物理過程在某種意義上就是計算過程,。當(dāng)然,，更多的學(xué)者認(rèn)為,，雖然計算可以模擬和理解物理過程，但并不意味著物理過程本身就是計算,。物理過程本質(zhì)上可能不是離散的,，而是連續(xù)的，用離散的圖靈機(jī)計算模型不能解釋全部客觀世界,，需要發(fā)明和構(gòu)建更通用的計算模型和物理模型,。這種深層次的理論絕不是靠某個科學(xué)家靈機(jī)一動的思想火花就可以建立起來，而是需要做長期艱苦的努力,。2006年,，辛頓團(tuán)隊(duì)先后在《Neural Computation》期刊和《Science》雜志上發(fā)表了兩篇關(guān)于深度神經(jīng)網(wǎng)絡(luò)的奠基性論文，現(xiàn)在被認(rèn)為是深度學(xué)習(xí)領(lǐng)域的里程碑之作,，但發(fā)表后幾年內(nèi)關(guān)注者寥寥無幾,。辛頓團(tuán)隊(duì)在2012年的ImageNet競賽中一鳴驚人，之前一直坐冷板凳,，但他們對人工神經(jīng)網(wǎng)絡(luò)的信仰一直沒有動搖,。不管人工智能和物理學(xué)實(shí)現(xiàn)深度融合還要經(jīng)過多少年努力，但大家已經(jīng)看到,，“AI for Physics （Science）” 和“Physics （Science） for AI”的道路都會越走越寬廣,。
人工智能和物理等基礎(chǔ)科學(xué)能走到一起，還有另一方面的原因,。英國哲學(xué)家波普爾1964年出版的《客觀知識》一書中，區(qū)別兩種知識：“鐘”和“云”,。牛頓方程,、拉普拉斯方程是精確、干凈,、光滑的,，屬于“鐘”的知識；“云”的知識寫不出任何的方程來,，是關(guān)于復(fù)雜性的知識,。長期以來，人們習(xí)慣的數(shù)學(xué)語言,，大多都是刻畫“鐘”的,。人們經(jīng)常使用“鐘”的語言講述“云”的故事。量子力學(xué)的奠基人之一玻爾曾用“抹布”比喻科學(xué)語言和科學(xué)方法的局限性和相對性,。他說：“你無法要求存在一塊絕對干凈的抹布,。”干凈的問題用干凈的方法可以解決,，但“臟”（不規(guī)則）的問題要用“臟”的方法才能解決,。人工智能類似于不太干凈的抹布,，適合處理類似“云”的難以精確描述的問題。華裔數(shù)學(xué)家陶哲軒將人工智能比喻為“猜測機(jī)器”,，可以迅速提供大量候選答案,。傳統(tǒng)科學(xué)就像能產(chǎn)生一定量清潔飲用水的水龍頭，而AI則是一個大消防水管,，可以輸出超過100倍的不可直接飲用的水,。如果用一個過濾裝置幫助我們過濾掉那些雜質(zhì)，就可以得到干凈的水（科學(xué)）了,。如果物理學(xué)一直堅(jiān)持只研究類似“鐘”的知識,，就和以深度學(xué)習(xí)為代表的人工智能是兩股道上的車，走不到一起,。但是,，簡單的物理學(xué)問題都已經(jīng)解決了，現(xiàn)在留下的物理學(xué)問題,，都是復(fù)雜性很高的問題,，包含隨機(jī)性和不確定性，也屬于不太“干凈”的問題,，需要用到類似“云”的知識,，就和人工智能走到一起了。以前只有一種“合法的”科學(xué),，即確定論的,、還原論的科學(xué)觀，現(xiàn)在可以有第2種科學(xué)觀,，即非確定的,、進(jìn)化的、基于數(shù)據(jù)和概率統(tǒng)計的科學(xué)觀,，這兩種科學(xué)觀不是相互對立,，而是相互補(bǔ)充，應(yīng)彼此尊重對方,。
復(fù)雜性不是對傳統(tǒng)科學(xué)范式的“擴(kuò)容”,，不是更加復(fù)雜的還原論，而是對還原論假設(shè)系統(tǒng)的解構(gòu)和挑戰(zhàn),，挑戰(zhàn)了還原論的“信仰”,。從這個意義上講，是復(fù)雜性挑戰(zhàn)逼迫人工智能和所有的傳統(tǒng)科學(xué)形成了“統(tǒng)一戰(zhàn)線”,。馮·諾依曼早在60年前就提出：“20世紀(jì)應(yīng)該著力解決的焦點(diǎn)問題是復(fù)雜性問題,，就像19世紀(jì)的核心是對熵、對能量的理解一樣?！?956年的達(dá)特茅斯會議上,，西蒙（Simon）建議用“復(fù)雜信息處理”這一術(shù)語取代“人工智能”，這說明人工智能除了模仿人的目標(biāo)外,，從誕生之初就還有一個目標(biāo)：認(rèn)識和駕馭“復(fù)雜系統(tǒng)”,。1998年，斯蒂芬·霍金發(fā)表了題為“信息與變革：下一個千年的科學(xué)”的演講,。他認(rèn)為下一個千年（從21世紀(jì)開始）是“復(fù)雜性的千年”,，或者說是復(fù)雜性主導(dǎo)的千年。按照前輩大科學(xué)家的指引,，目前我們找到對付復(fù)雜性的一條出路是機(jī)器學(xué)習(xí),。
近幾年科研范式正在發(fā)生重大的變化，我把這種新的范式稱為智能化科研（AI for Research,，AI4R）,，其主要的動力來自駕馭復(fù)雜性。物理,、化學(xué),、生物學(xué)研究都要靠人工智能來對付指數(shù)爆炸。目前對付維數(shù)災(zāi)難只有兩條出路,，一是機(jī)器學(xué)習(xí),，二是復(fù)雜性科學(xué)。復(fù)雜性科學(xué)采用粗粒度的理解范式,，關(guān)注大規(guī)模宏觀模式和趨勢,。機(jī)器學(xué)習(xí)采用細(xì)粒度的預(yù)測范式，通過學(xué)習(xí)大量數(shù)據(jù)中的細(xì)微模式來進(jìn)行預(yù)測,。圣塔菲研究所所長大衛(wèi)·克拉考爾最近撰文,，嘗試從理論層面實(shí)現(xiàn)復(fù)雜性科學(xué)與機(jī)器學(xué)習(xí)的統(tǒng)一。中國這兩個領(lǐng)域的學(xué)者聯(lián)系不多,，今后應(yīng)加強(qiáng)溝通合作。
2009年,，中國科學(xué)院組織一批學(xué)者做《至2050年科學(xué)技術(shù)發(fā)展路線圖》戰(zhàn)略研究,，我牽頭做的信息科技發(fā)展路線圖認(rèn)為：“信息技術(shù)不會變成以增量改進(jìn)為主的傳統(tǒng)產(chǎn)業(yè)技術(shù)，而是面臨一次新的信息科學(xué)革命,。信息技術(shù)的基礎(chǔ)理論大部分是在1960年代以前完成的,，近40年信息科學(xué)沒有取得重大突破。上一次基本創(chuàng)新（即基于科學(xué)突破的重大發(fā)明）的高峰期是在20世紀(jì)40年代,，現(xiàn)在已有大量的知識積累,，按照長波規(guī)律的推測，21世紀(jì)20—30年代可能出現(xiàn)基本創(chuàng)新的高峰。2020年以后什么技術(shù)將成為新的主流技術(shù)就會逐步明朗,；2020—2035年將是信息技術(shù)改天換地的大變革期,。預(yù)計21世紀(jì)上半葉將興起一場以高性能計算和仿真、網(wǎng)絡(luò)科學(xué),、智能科學(xué),、計算思維為特征的信息科學(xué)革命。在網(wǎng)絡(luò)科學(xué)和智能科學(xué)取得重大突破以后,，21世紀(jì)下半葉基于信息科學(xué)的新的信息技術(shù)將取得比20世紀(jì)下半葉更大的發(fā)展,。”近幾年人工智能的大發(fā)展似乎檢驗(yàn)了15年前的戰(zhàn)略預(yù)見,，人工智能就是當(dāng)時期盼的21世紀(jì)20—30年代可能會出現(xiàn)的基本創(chuàng)新,。
20世紀(jì)40—60年代，發(fā)明計算機(jī)和集成電路以后,，人類就進(jìn)入了信息時代,。近幾年人工智能突飛猛進(jìn)，既有重大的技術(shù)發(fā)明,，如transformer深度學(xué)習(xí)框架,，也是辛頓等科學(xué)家關(guān)于神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)研究理論突破。深度學(xué)習(xí)的黑盒模型為人工智能科學(xué)研究提出了急需解決的科學(xué)問題,，需求的牽引必將引發(fā)科學(xué)的突破,。人工智能技術(shù)的大發(fā)展，預(yù)示人類已經(jīng)處在進(jìn)入智能時代的前夜,。目前的技術(shù)離實(shí)現(xiàn)真正的通用人工智能還有一定的距離,，再經(jīng)過10—20年的努力，大概率會出現(xiàn)基于重大科學(xué)突破的基礎(chǔ)發(fā)明,，為人類進(jìn)入智能時代打下堅(jiān)實(shí)的基礎(chǔ),。諾貝爾物理學(xué)獎、化學(xué)獎頒給人工智能學(xué)者本身不是一件大事,，但這次頒獎可能會在科技發(fā)展史留下痕跡,，我們的后代會記住這些為人類邁進(jìn)智能時代做出重大貢獻(xiàn)的偉大科學(xué)家。
《科技導(dǎo)報》2024年第19期發(fā)表,，標(biāo)題為《諾貝爾物理學(xué)和化學(xué)獎為何偏愛人工智能》,，有刪節(jié)。
免責(zé)聲明：本文來自網(wǎng)絡(luò)收錄或投稿,，觀點(diǎn)僅代表作者本人，不代表芒果財經(jīng)贊同其觀點(diǎn)或證實(shí)其描述,，版權(quán)歸原作者所有,。轉(zhuǎn)載請注明出處：http://lequren.com/1124263.html
溫馨提示：投資有風(fēng)險，入市須謹(jǐn)慎。本資訊不作為投資理財建議,。
