2024/10/30
2024年诺贝尔物理学奖的获奖主题是人工智能(AI)。其核心技术是模仿大脑神经回路的“神经网络”。日本人对该技术发展做出了巨大贡献，即使与美国和加拿大的两人一起获奖也不足为奇。曾任职于日本放送协会（NHK）广播技术研究所的福岛邦彦和东京大学名誉教授甘利俊一留下了推动获奖对象研究的开创性成果。
诺贝尔物理学奖得主、美国普林斯顿大学的约翰·霍普菲尔德和加拿大多伦多大学的杰弗里·辛顿因推动基于神经网络的机器学习成为可能的发现和发明而获得好评。
“神经网络”是通过计算机再现大脑学习信息的机制，进而处理数据的方法。大脑在改变大量神经细胞连接模式的同时，学习和识别信息。同样的，连接计算机上的大量神经元，根据数学公式计算输入的数据，并通过改变神经元之间的结合强度来进行学习。以此成果为基础，出现了生成高精度文章和动态图像的AI。
留下推动神经网络诞生重要研究成果的是福岛邦彦。他对弄清大脑的神经回路感兴趣，于1979年开发了人工神经网络“Neocognitron”。这就是神经网络的雏形。
在霍普菲尔德开发出一个模仿大脑神经细胞回路的系统之后，辛顿发布发展这个系统的技术是6年后的1985年。辛顿2019年访问日本发表演讲时，作为先行研究也展示了福岛邦彦的这一成果。
不过，福岛邦彦对大脑研究更感兴趣，没有致力于将Neocognitron应用于AI的研究。了解当时情况的东京大学特聘教授合原一幸解释称，“虽然提出了最初的模型，但与此后AI的研究存在距离”。
此外，当时计算机的计算能力有限，无法提高性能的神经网络的研究也随之消退。与此同时，福岛邦彦的成就也逐渐黯淡下来。
甘利俊一教授也为利用神经网络处理图像和文本等数据的深度学习的发展做出了巨大贡献。他于1967年开发了一种能提高学习功能、名为“随机梯度下降方法”的理论方法。
虽然当时几乎没有引起人们的注意，但随着神经网络的发展而被重新评估，并被定位为支持当今机器学习的重要理论。这一理论与辛顿作出贡献的提高AI精度的技术相通。
在霍普菲尔德和辛顿获得诺贝尔奖后，甘利俊一对两人的获奖表示赞赏，同时发表评论称，日本也存在“人工智能和神经回路网络理论研究的源流，其成果在国际上得到应用，迎来了今天的人工智能时代”。
作为甘利俊一教授的弟子的合原一幸特聘东京大学特聘教授遗憾地表示，“这个理论帮助了两位获奖者。真希望甘利教授也能成为获奖者”。
日本经济新闻（中文版：日经中文网）永田好生
Original article: http://cn.nikkei.com/industry/scienceatechnology/57088-2024-10-30-05-00-00.html?print=1
