“AI教父”拿下諾獎，卻很后悔

10月8日，2024年物理學獎頒給91歲高齡的約翰·霍普菲爾德和77歲的杰弗里·辛頓——兩個研究機器學習、掀開當前人工智能革命的大師與“教父”。

看似與傳統物理學研究不搭邊，但仔細查看他們的研究會發現：霍普菲爾德運用物理學原子自旋原理，發明了一種得以保存記憶的神經網絡。后人以他的名字命名為Hopfield神經網絡。辛頓以Hopfield 網絡為基礎，開發了一種新的神經網絡：玻爾茲曼機。靈感同樣來源于奧地利物理學家玻爾茲曼百年前提出的理論。

科學的突破與發現并非一蹴而就。人工智能在過往30多年發展起起伏伏，信念不斷被推倒又重建。以辛頓為代表的AI 學者，用他們的人生證明：有時候，成功來源于最大程度地堅持自我。

處處碰壁的天才

77歲的辛頓身體不好。從2005年開始，腰背部出現問題，很難坐立，不敢搭乘飛機出行，遇上商務宴席，他也不能坐在椅子上，而是選擇雙腿跪在地上，經常招來服務員奇怪的眼光。

身體失去控制總是讓人心生絕望，但在辛頓的人生里，他從來都是與缺乏確定性、無法受控的事情相伴。

1947年，辛頓出生在英國一個科學家和教授世家。在十幾歲時，辛頓遇上了促使他思考一生的命題。那是高中時期，一位朋友問他：“你知道嗎，大腦的記憶并不是儲存在某個特定的地方，而是分布在整個大腦，在整個神經網絡里傳播，就像全息圖一樣工作。”他從此開始對人腦機制產生了濃厚興趣。

大學期間，因為這個問題，辛頓曾學過多個專業，先是數、理、化，大二時又學了哲學、建筑學，后來又攻讀了心理學。四年大學讓他發現，這些學科都無法解答人腦神經元如何連接并工作的奧秘。最終，畢業后的辛頓選擇當一名木匠。

只是，這位天真的知識分子發現，他不適合用此謀生。這段日子里，一到周末，他就到圖書館自學大腦工作原理。1972年，他再度“轉行”，憑借發表論文，他到愛丁堡大學就讀人工智能學的博士。

不巧的是，此時正值人工智能的寒冬。在當時的人工智能界，人們開始廣泛地懷疑運用模擬人腦的神經網絡進行機器學習。最著名的論斷來自當時的“人工智能之父”馬文·明斯基，連辛頓的博士導師都被明斯基的理論說服了。他開始勸說自己的學生，換一個有前途的方向吧，別做神經網絡了。辛頓回憶，博士期間，他的研究方向始終與導師期望的背道而馳。辛頓說，他認可明斯基指出的神經網絡的缺陷，但與多數人的選擇不同，他想繼續往“有缺陷的方向”前進，完善前人指出的漏洞。

辛頓回憶，他從小在宗教學校上學，卻是全班唯一不信仰宗教的人?！懊總€人都可能是錯的，你需要堅持自己的主張，直到實現它或者徹底否定它。做科學就需要這樣的精神?！?/p>

交叉學科的力量

固執的辛頓在1978年順利博士畢業。當時的學者也沒預料到，他的堅持從此掀開了人工智能深度學習革命，并讓21世紀的各大巨頭爭相進行科技軍備競賽。

博士畢業后，孤獨的辛頓漂至了美國，總算在加州大學圣迭戈分校找到了一些志同道合的人士。他們相信用計算機多層神經網絡可以模擬人類大腦的演算方式，并擁有推理能力。

1982年，加州理工學院教授霍普菲爾德率先開發了一種神經網絡，用于模擬大腦如何相互作用并產生穩定記憶。

人腦的運作好比需要集體演奏的交響曲，只有當神經元共同作用時，它們才能產生新的、強大的特性?！叭绻阒魂P注網絡中的每一個獨立神經元，是很難察覺這些特性的。”擁有物理學背景的霍普菲爾德，開始想到原子自旋而產生的特性。這一特性使每個原子都成為一個微小的磁鐵。相鄰原子的自旋會相互影響，自旋方向一致的區域得以形成。

運用自旋特性，霍普菲爾德成功構建了有節點和連接的神經網絡，并以能量函數作為表達，大致實現原理類似于人類的聯想記憶。更年輕的辛頓也深受影響和鼓舞。

1986年，辛頓與兩名學者共同發表了一篇題為“通過反向傳播誤差來學習”的論文，成為當代機器深度學習的奠基之作。反向傳播成功解決了多層神經網絡的訓練問題，證明了神經網絡絕非只停留在想象里的空中樓閣。

同一時期，辛頓與同事們發明了玻爾茲曼機。這個新神經網絡汲取了統計物理學的原理，也是當今短視頻等平臺算法令人無法自拔的基本原理：算法可以分析和找到大數據之間的聯系，計算不同類別的人最大概率會喜歡和討厭的內容，并根據每次的點擊情況，實時進行概率計算和內容推送。

1986年，經過訓練的玻爾茲曼機能夠識別出它未曾見過的信息中的熟悉特征。這也就意味著，計算機擁有了自我學習的能力，這正是神經網絡的擁躉多年來所期許的。

“快樂和悲傷交織”

然而，進入20世紀90年代，人工智能發展再度進入瓶頸期。各種基于統計的機器學習方法興起，研究神經網絡的人越來越少，辛頓成了少數幾個仍在堅持的人。

后來人們才發現，當時的停滯并不代表辛頓提出的理論和設想是錯誤的，而是受限于當時計算機技術處理計算的能力。

這樣的停滯伴隨著辛頓接下來的20 余年科研歷程，神經網絡始終不受主流學界認可。為了拿到教研經費，他曾在倫敦大學學院、多倫多大學等地工作。

2006年以前，辛頓即使已經在英國、加拿大是院士級別的人物，但他的發現只在學界有名氣，從未得到現實的廣泛應用。然而他始終堅信神經網絡將引起人工智能革命。據稱，為了給自己打氣，辛頓還養成了一種自我激勵的方法，每周發泄般大吼一次：“我發現大腦是怎樣工作的啦！”

2006年，深度學習革命終于在全球打響。這個新時代的序幕依然是由辛頓和學生拉開的。2012 年，在華裔科學家李飛飛舉辦的ImageNet 圖像識別競賽中，辛頓和學生伊利亞（ 前OpenAI首席科學家）、亞歷克斯組成團隊，設計了名為“AlexNet”的卷積深度網絡程序，取得了顛覆性的勝利。

后來的故事更為人所知。2012年一舉成名后，辛頓收到了來自百度、谷歌、微軟等巨頭千萬美元年薪的橄欖枝，他最終加入谷歌繼續AI 研究。

如今，大模型、AIGC 等多個應用迎來大爆發，辛頓等到了盼望已久的深度神經網絡引發的人工智能浪潮，這是屬于他引領的時代。

他卻自述過往，認為他的人生與AI浪潮一樣，徘徊在反反復復的起伏里。“我經常會告訴大家，我弄清大腦的工作機制了，可過段時間，我又失望地發現之前的結論是錯誤的。但事情就應該是這樣發展的。正如英國詩人威廉·布萊克的兩句詩，‘將快樂和憂傷編織，披在我神圣的心上’。”

他近年因為大模型的熱潮早已榮譽加身，人們喊他“教父”，對他進行膜拜?？瓷先バ令D沒有什么煩惱可言了，但他表現得越來越憂心忡忡，擔心AI 有一天會掌控人類社會。

2024年，他在諾貝爾獎頒獎的現場連線時說：“我感到愧疚和后悔?！薄昂蠡谟袃煞N。一種是因為你做了一些明知不該做的事情而感到內疚；另一種是你做了一些在同樣情況下會再次做的事情，但最終結果可能并不好。我的遺憾是第二種。我擔心這種做法的后果是，比我們更聰明的系統最終會掌控一切?！?/p>

（摘自“南風窗”微信公眾號）