2024年诺贝尔物理学奖由普林斯顿大学教授霍普菲尔德（John J. Hopfield）和多伦多大学教授辛顿（Geoffrey E. Hinton）共享殊荣，表彰其在人工神经网络的创建，为现今机器学习乃至于演算法、生成式AI奠定基础。学界评析，霍普菲尔德从物理概念出发，辛顿则根基霍普非尔德网络开发人工神经网络波兹曼机器，以资讯工程的技术跳脱物理范畴、优化资讯处理，各种应用因应而生。
国立清华大学物理系教授林秀豪表示，今年物理奖非常令人意外，霍普菲尔德虽是不折不扣的物理学家，但辛顿则是电脑科学家。霍普菲尔德当年基于物理定律，开发出平面的霍普菲尔德网络（Hopfield network），辛顿则接续开发出波兹曼机器（Boltzmann machine）。
但林秀豪指出，波兹曼机器虽能处理复杂的问题，但不容易收敛，于是辛顿再将其优化为局限型波兹曼机器（Restricted Boltzmann Machines），才兼具收敛快速和可处理复杂问题的优点，创造出最大的效益，就此为现今各式各样的演算法奠定基础。
林秀豪表示，辛顿曾经非常落魄、研究不受主流学界重视，2012年辛顿和其研究团队首度开发Alex Net，利用神经元网络结构辨识出猫狗等物种，是机器学习发展上重要的里程碑，当年一战成名，才接连拿下图灵奖等殊荣。
辛顿虽然被喻为当代人工智慧三巨头，但林秀豪表示，辛顿去年离开google，近期提醒世界，「AI可能和核武一样危险，需小心规范。」一名学者曾经落魄，成名后却愿意回头提醒研究背后的危险性，非常不容易；至于霍普菲尔德则是「博士后老板的老板」，两人曾透过信件交换意见，霍普菲尔德不是量产式的科学家，对问题非常执著，但愿意和其他学者分享、解释。
东海大学应用物理系教授施奇廷则形容，霍普菲尔德网络的出现，如同早期先人发明了「轮子」，演进到现在有了超级跑车，没有霍普菲尔德，后续的应用都不会出现。又当年霍普菲尔德网络已拥有一点现在生成式ＡＩ精神，只是当年的创建领先电脑硬体时代太多而未能体现。
林秀豪补充，从霍普菲尔德网络到局限型波兹曼机器，是非常漂亮的跨领域科学应用结晶，但追本溯源仍师出物理系统，因此授予诺贝尔物理学奖。现行如自动驾驶系统，需采用神经网络判断前方障碍物；或使用者对手机说「嘿！siri」由手机辨识后执行，都是两人研究结晶的体现，「不是奇幻科学，已经进入生活日常。」
原文地址：https://money.udn.com/money/story/5599/8279117?from=edn_subcatelist_cate
