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。这释放出什么新信号？对人工智能发展有何意义？我们邀请中国工程院院士、北京邮电大学教授张平；北京邮电大学人工智能学院副院长（主持工作）许文俊；北京邮电大学人工智能学院教授王小捷等专家，为读者解读。

    从瑞典皇家科学院官方发布的信息来看，两位获奖者使用物理学工具开发了各种方法，为当今强大的机器学习奠定了基础。其中，霍普菲尔德创建了具有联想记忆能力的霍普菲尔德网络，可以存储和重建数据中的图像和其他类型的模式；而辛顿发明了玻尔兹曼机，可以自主挖掘数据性质，完成诸如图像元素识别等任务。他们的奠基性工作催生了当前机器学习的爆炸性发展，也在物理学领域得到广泛运用。诺贝尔物理学奖颁给了人工智能领域科学家，给了我们很多启发。

    一是要重视基础。两位得主获奖体现了诺贝尔奖对基础性工作的高度重视，而基础性工作带来的影响也被再次证明。辛顿提出的玻尔兹曼机是一种基础的神经网络单元，可以基于此构建复杂的大规模网络，其2006年在《Science》上发表的基于玻尔兹曼机堆叠而成的深度信念网络被认为是当前深度学习发展的里程碑。

    二是要敢为人先。获奖工作源于上世纪八十年代，此后人工智能的发展也一度进入低潮。关于神经网络的研究遭到了诸多批评，但是辛顿却一直坚守在神经网络的研究领域，曾经历几十年默默工作，经费短缺、科研艰难，而今终于迎来了行业的蓬勃发展。深入思考、敢为人先、不怕“冷板凳”，才能形成原始创新，提出拐点技术。

    三是注重学科交叉。两位科学家获奖首先源于其工作和物理学的密切关系，霍普菲尔德网络和玻尔兹曼机的表示和训练方法都源于统计物理学，所提出的神经网络结构及其后来发展出来的机器学习技术，对物理学多分支的发展都产生了巨大的推动作用，更表明人工智能与其他学科的交叉，已成为促进各学科发展的重要驱动力。

霍普菲尔德与辛顿获诺贝尔物理学奖

    当前，人工智能领域取得了长足进步、正在高速发展，给我们带来新的思考，我们仍需高度重视人工智能的基础性问题，敢为人先、学科交叉，如此才有可能造就若干年后中国的“辛顿”！

    从自然智能，到人工智能，再到具身智能，人类一直通过物理模拟、数学建模等方式去模拟、延伸和扩展人类的智能发展。其实，无论是人脑神经元的信息协同处理，还是人类之间的信息协同处理，都需要信息传递（通信）与信息认知（智能）极其高效的配合，通信与智能融为一体、互为驱动、缺一不可。因此，未来人工智能，特别是具身智能的发展，亟需考虑人工智能与传统信息通信学科的深度交叉融合。

    ComAI（通智一体）是具有基础性、前瞻性、交叉性的科研方向，借鉴人类信息处理的物理模型，通过通信、智能的内在融合，从基础理论、关键技术等层面重新定义出智能、通信发展的未来范式。ComAI赋能类似人类社会的具身智能体分布式协同，形成“具身智能体社会”，有潜力解决我国的人工智能及通信芯片、算力、能耗之困，走出一条符合我国国情的人工智能发展之路。

    作者：张平系中国工程院院士、北京邮电大学教授；许文俊系北京邮电大学人工智能学院副院长（主持工作）；王小捷系北京邮电大学人工智能学院教授。
    来源：“中国网信杂志”微信公众号