“我怎么能確定這不是個惡作劇電話？”杰弗里·辛頓(GeoffreyHinton)在凌晨兩點接到諾貝爾獎委員會電話時，這是他的最初想法。
時間回到10月8日，在這一天，2024年諾貝爾物理學獎正式授予了杰弗里·辛頓(GeoffreyHinton)和另一位學者約翰·霍普菲爾德(JohnJ.Hopfield)，以表彰他們在機器學習與人工神經網絡領域的基礎性發現和發明。
那么，他們的貢獻與物理關聯何在呢？
諾貝爾獎委員會揭秘：他們利用了物理學方法來尋找信息的特征，構建了為當今強大的機器學習奠定基礎的方法。Hopfield提出的“Hopfield神經網絡”，以相當于物理學中自旋系統能量的方式進行描述。Hinton提出的“玻爾茲曼機”，則使用了統計物理學中的工具。后來Hinton在這項工作的基礎上，幫助啟動了當前機器學習的爆炸性發展，也就是我們熟知的深度學習革命了。
無獨有偶，北京時間10月9日下午，瑞典皇家科學院決定將2024年諾貝爾化學獎授予三位科學家。其中，一半授予美國華盛頓大學教授大衛·貝克(DavidBaker)，以表彰其在計算蛋白質設計方面的貢獻；另一半則共同授予英國人工智能公司谷歌DeepMind公司的丹米斯·哈薩比斯(DemisHassabis)和約翰·喬普(JohnM.Jumper)，以表彰其在蛋白質結構預測方面的貢獻。
如果要說學術界與產業界有什么共識，那應該就是大模型不是“萬能藥”，只有把大模型任置于具體的場景中，才能兌現技術價值。
其次新技術在改變世界上總要有些時間。曼哈頓研究所高級研究MarkP.Mills認為，正如汽車、無線電、互聯網等革命性技術，新技術在改變世界之前，都會經歷漫長的蟄伏期，繞不過發明創造、商業可行、大規模推向市場三個階段。
“顛覆性創新”通常每個階段持續20年左右。例如在汽車發明(1886年)之后多年，T型車設計才出現(1908年)，到了1920年代末，美國汽車滲透率上升到20%。
有時創新發生得也會快一點，從“分組交換”的想法到創建互聯網不到十年，萬維網公開商業化花了20年時間，但只用了10年時間就看到了顯著的市場滲透。
