人工智能的诺奖时刻：重塑科学的未来.pdf

2024年诺贝尔物理学奖专题

人工智能的诺奖时刻：重塑科学的未来2024－12－01收到

†email：hongl3liang@

121，3，†DOI：10.7693/w

余元玺钟博子韬洪亮

(1上海交通大学物理与天文学院自然科学研究院上海200240)CSTR：32040.14.w

(2香港中文大学电子工程学系香港999077)

(3上海交通大学张江高等研究院上海201203)

2024年的诺贝尔奖将人工智能(AI)推到了科设计仍会适度融合已有的领域知识或理论视角，

学舞台的中央。这不仅是对几位杰出科学家的认以期提高模型的准确性和可解释性。随着二者的

可，也是对AI在科学进步中作用的肯定。这些奖交汇，学科之间的边界已经逐渐消融，预示着更

项的颁发，标志着AI在科学研究中的重要地位得加多元化与交叉创新的未来研究格局。

到了认可，预示着AI正在重塑我们的世界，尤其1982年，JohnJ.Hopfield提出了著名的Hop‐

是在科学探索和创新的范式上掀起了新的浪潮。field网络，将物理学中的自旋相互作用原理运用

[1]

AI的崛起已然势不可挡，正在颠覆我们对世到神经网络中，用来模拟记忆的存储和重构。

界的认知和科学研究的方式。AIforScience和这一网络的设计灵感来自统计物理中的伊辛模型

ScienceinAI已成为前沿科学领域的新口号。展望(Isingmodel)，这种模型借助相邻磁畴之间的相互

未来，AI将在更多领域释放出无限潜力，为人类作用描述整个系统的铁磁相变，模型可以通过不

社会带来前所未有的福祉。我们正站在一个新时断反转自旋方向来实现能量最小化并到达系统的

代的开端：拥抱AI，便是拥抱未来的无限可能。稳定状态(图1)[2]。Hopfield网络将这种机制运用

到神经网络中，网络可以通过不断反转神经元的

1AI与物理学的交汇：从Hopfield网络状态实现类似的能量最小化的过程，从而达成稳

到深度学习定储存的“记忆”。这一创新成为了后续众多能量

基模型(energy-basedmodels)的基础，也被认为是

[3]

从研究逻辑上看，物理学和人工智能的路径现代神经网络时代的开始。

截然不同。物理学以探索自然界的运行规律为目在Hopfield网络的基础上，加拿大计算机科

标，致力于通过公式和数学模型

揭示从宇宙尺度到亚原子粒子间

的深层关系。它强调理解自然现

象背后的根本原理，尝试通过一

系列方程来解释复杂系统的行为。

而人工智能则更多采用“数据驱

动”的方式，往往通过端到端的

学习模型从海量数据中提取特征

并进行预测。这种方式有助于快

速处理复杂问题，而无需明确构

建与自然现象对应的物理机制。

在实践中，研究者往往并非一味