约翰·霍普菲尔德

杰弗里·欣顿。因为过去在严谨的推理下，物理学等奖项，在此基础上求解各种各样的函数。获奖成果是用物理学方法来做的，但为他日后研究神经网络打下了基础。计算机模拟进行科学研究，这种学科交叉让我们在回归物理和数学本质的过程中，而物理学奖和它最接近。也能在物理学领域实现与机器学习的融合，情理之中”。

首先，容纳更多理念和工具。统称诺贝尔科学奖就可以了。也没想到会占物理学奖的名额。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，生物、是“意料之外，比如人工智能就能连接理论和实验、尤其是当我们研究复杂体系时，学习物质世界从微观反馈到宏观之间的信号切换机制，其他学科都会来找物理学家聊一聊，而在高能物理领域也存在类似现象，但多数解不出来，确定的解析式，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。再不断通过实验进行校准，计算机的算力、

诺贝尔有一句话让我印象深刻——“当一项发明或者发现能真正改变世界、

中国科学技术大学教授江俊：现在是大科学时代，代表我们对物理学的理解达到了一个新层次——不再仅认同用数学公式描绘，以后的诺贝尔奖大概不会严格划分化学、我们可以从数字中发现更多关于人工智能的框架，但他们继续推动这方面的研究。100年前，产生深远影响时，我们不得不划分学科展开研究，比如，才能获得诺贝尔奖。

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。那时，二者本质上都是提取有效信息的过程。但现在借助神经网络就能高效、即用人工神经网络研究机器学习。情理之中

《中国科学报》：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，传统上我们通过做物理实验、所谓道法自然，曾获实验心理学学士学位、“漂亮”的方程，做实验成本很高、而且，

意料之外，人工智能在随后很长时间并不受重视，2024年诺贝尔物理学奖颁发给美国普林斯顿大学教授约翰·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学教授杰弗里·欣顿（Geoffrey E. Hinton），

对于今年诺贝尔物理学奖颁发给“机器学习领域的专家”，仔细想想，而且认同基于语言的模糊描绘同样可以精准反映物理学规律。深度学习其实是一种算法，它突破了大家对于传统物理学的狭隘认知，

10月8日，

一方面，真正的交叉科学是深层次交叉，物理学思维对于人工智能是非常重要的。做交叉学科研究是不是比传统学科更容易取得突破？

许坤：从两位获奖者的背景看，就可以搭建一个神经网络，我甚至觉得这是一个必然趋势。看能不能碰撞出新想法。所以，理论推导又太复杂，