“AI教父”獲諾獎，背後是時代變天了！
宏觀趨勢
筆記君說：
就在昨天，2024年的諾貝爾物理學獎公佈，授予了約翰-霍普菲爾德（John J. Hopfield）和圖靈獎得主、AI教父傑弗裡-辛頓（Geoffrey E. Hinton），"以表彰他們利用人工神經網絡進行機器學習的奠基性發現和發明"。
在接受電話採訪時，就連傑弗裡·辛頓本人都懷疑 “我怎麼能確定這不是個惡作劇電話？”
而這一結果，也引發了網友們的討論：有些人調侃地表示，物理學不存在了。也有人表示，這次頒獎可能會引起一系列連鎖反應。
其實，物理學界也不是沒什麼新的研究成果，可誰知道直接“跨服”頒給了人工神經網絡和機器學習領域。
究竟是爲什麼？
原因可能有很多，但不可否認的是，我們現在進入了一個極端複雜、相互融合的時代，物理不再是單純的物理，計算機也不是單純的計算機，開始相互有所交叉。
一、爲什麼諾貝爾物理學獎，
頒給了AI專家？
約翰·霍普菲爾德和傑弗裡·辛頓倆人，自上世紀80年代起就在人工神經網絡領域做出了重要工作。
人工神經網絡，顧名思義，源於對大腦工作原理的模仿。科學家們設想大腦的神經元可以通過計算節點的方式進行重現，這些節點通過類似神經突觸的連接傳遞信息。
這樣的網絡經過訓練，可以增強某些連接，抑制另一些，從而使系統在處理複雜數據時具備學習與記憶能力，成爲現代人工智能的基礎。
1980年代，擁有物理學背景的霍普菲爾德，開始着手將物理學概念引入人工神經網絡領域。
他觀察到大腦中的神經元之間通過複雜的連接進行信息傳遞和處理，於是他開始思考如何用計算機模擬這種工作方式。經過無數次的嘗試和探索，他提出了霍普菲爾德網絡。
霍普菲爾德網絡是一種人工神經網絡模型，它模擬了大腦神經元的工作方式，具有存儲和檢索信息的能力。
這個網絡就像是一個超級智能的記憶盒子，當我們把一些信息 “放” 進去後，它能夠根據這些信息的特徵，在需要的時候準確地 “找” 出來。
接着，以霍普菲爾德網絡爲基礎，傑弗裡·辛頓又將人工神經網絡推進到了全新的高度。
他利用霍普菲爾德神經網絡的聯想記憶功能，發明了新的神經網絡玻爾茲曼機。
通過模擬物理系統中的粒子的運動，玻爾茲曼機能學習數據的概率分佈，幫助機器學習到數據中的規律。
霍普菲爾德網絡與玻爾茲曼機｜圖片來源：瑞典皇家科學院
最後，得益於自20世紀80年代以來的工作，約翰·霍普菲爾德和傑弗裡·辛頓幫助奠定了大約2010年開始的機器學習革命的基礎，間接推動了機器學習與人工神經網絡領域的發展。
而隨着科學科技的快速發展，我們也迎來一個極端複雜的時代，A行業的問題能夠從B行業找到答案的情況，會越來越多。
二、極端複雜的時代，來了
知名經濟學家朱嘉明，曾在筆記俠PPE（政經哲）莫干山站分享了他對複雜時代的看法，他認爲世界會變得越來越複雜，我們到了需要複雜科學的時候。
1.複雜科學
複雜科學針對的是複雜系統，我們在複雜系統之中，這個系統每時每刻變得更加複雜，人類將越來越敏感。混沌是源於複雜科學中的一個概念。
內卷是沒有錯的，內卷是人類在複雜系統面前的無可奈何，在不得不內卷的情況下，如何超脫和適應複雜性？
複雜性原來就存在，複雜科學總結了複雜性。描述複雜系統的公式是：複雜行爲=簡單規則+豐富關聯。
所有今天的贏家是找到最簡單的規則，然後找到複雜的環境進行關聯。
複雜科學，源於1930年，提出“局部+局部〉整體”，“1+1〉2”，即中國的“一生二、二生三、三生萬物”。
人類從未在複雜性面前變得如此謙卑，這個世界潮起潮落，參數不斷增加和改變，衝突、政策不斷混合在一起，沒有人能概括和窮盡複雜科學，但不代表我們不能接受複雜性。
我們僅僅是越來越複雜的系統中 一個小小的小點而已，如果不理解這一點，你就是虛妄的，不會再有其他的機會。
2.人類發展歷史：從簡單到複雜的歷史
縱觀人類發展歷史，就是一個從簡單到複雜的歷史。
從狩獵階段的原始社會，到農耕社會，都屬於複雜程度低的社會。農業社會以幾百年、上千年爲週期的，那時候人們掌握的知識也不用那麼多，懂得節氣就能協調農業生產的問題。
① 狩獵社會的要素是人、工具、動物、動物生存條件。
最原始的階段是 人類狩獵階段，一邊是人類，一邊是可以被人類食用的動物，中間只有一個環節，射殺。人本身、人的工具、動物、能使動物生存的條件，就這四個元素了。
② 農耕社會是基於光和作用之上的社會形態，要素包括土壤、天氣、農民、種子、水利、男耕女織、區域化經濟，是靠天吃飯。
複雜程度和人類參與成反比，複雜程度低，人類參與的面積、寬度和深度就更大。
農耕社會是人類參與廣度、深度、持續性能力最長的人類社會形態，是一個學習成本最低的社會。如果有一點知識，無非是對天的認識，最後變成對節氣的認識。能理解 24 節氣，就知道怎麼協調人與自然的關係。
這個社會在一定程度上是簡單的，也是殘忍的，如果發生嚴重天災，就會產生嚴重饑荒，就會有很多人餓死。
農耕社會的極端狀況下，人類都不可能整體性滅亡，因爲一直都不存在覆蓋全球人類所有居住地的同時發生的災難，永遠有幸存者，這樣讓人類留存下來，相對穩定。
簡單和長度也成正比。越簡單的社會，持續時間也越長。農耕社會動不動就是幾百年、上千年。
③ 工業社會是從機械進入規模生產，到電機化、信息化、自動化的過程，經濟活動變得極端複雜。
因爲機器和機械參與了人類活動，生產地點不再受天氣影響，於是有了生產線、管理、市場貿易，不斷分裂出更多部門和行業，這是無窮盡的，今天的工業還在分裂出新工業和新行業。
複雜性最大的特點是反線性，所以這是工業迅速膨脹的原因。工業的每一個創新都會產生工業集羣和產業集羣。工業是把信息系統、物理系統、軟硬件結合在一起的系統，驅動力是創新。
我們身體的所有感覺都不是計劃出來的，並不存在大腦指揮神經，而這套理論就是人工智能的本質。因此工業社會不存在終極，沒人可以把一個行業說清楚，這是結構和機制的複雜性。
3.極端複雜時代，來自科技的全方位和日益緊迫的挑戰
21世紀有那麼多因素使得時代變得複雜。
但有一個元素壓倒一切——就是科技進步，它有自己的生命力，科技本身的發展已經改變了時代的環境。
複雜時代的第一個挑戰：數字化
數字化的本質是人類經濟活動被計算機改變，計算機讓人類活動代碼化，計算機語言是代碼語言，數字化是人類所有活動代碼化的過程，它將在量子時代到來的時候結束。
數據成爲生產要素，現在講數據管理其實沒有辦法解決一個問題，就是會遇到數據的存儲和開發，以及從GPU到GPU的挑戰，數據持續的無可遏制的膨脹，人類將被數據淹沒。
微信短信已經成爲非常困擾的事情，人類正在喪失對人類產生大數據的管理能力，解決數據問題靠什麼？
靠算力。
講芯片不可避免要提到臺積電。3納米，支撐數字時代不可逾越的技術。GPU將人工智能結合在一起，然後產生了英偉達。
英偉達如果是一個國家，是2萬億美元的市場規模，在全球可以排名第13名，在墨西哥之前，俄羅斯之後。
英偉達支撐人工智能的應用市場佔比80％。
我們看到今天這個世界變得越來越嚴肅，芯片走到了摩爾定律的物理極限。參照性變了，我們進入到一個突破物理極限的數字和人工智能物質基礎的時代。
當芯片無限小的時候，有很多問題必須去突破和解決。數字化轉型絕對不是口號。
複雜時代的第二個挑戰：人工智能
2006年，辛頓和他的學生正式提出深度學習（Deeping Learning）的概念，被稱爲深度學習之年，辛頓被稱爲深度學習之父；
2009年，谷歌開始研發無人駕駛技術；
2011年，蘋果推出Siri語音技術；
2014年，聊天機器人“EugeneGoostman”通過圖靈測試，亞馬遜推出虛擬助手；
2016年，谷歌DeepMind的AlphaGo計算機程序戰勝圍棋冠軍李世石；漢森機器人公司首次推出了一款名爲索菲亞的防人機器人；
2017年，谷歌論文提出Transformer結構，爲GhatGPT和DALL-E等生成式人工智能模型提供了技術突破的思路；
2018年，圖靈獎授予三位科學家：本吉奧、辛頓和楊樂昆，基於在人工智能的深度學習貢獻；
2020年，微軟推出T-NLG，一種生成式語言模型；OpenAI發佈了GPT-3語言模型，完成人類幾乎無法完成的語言任務；
2021年，OpenAI發佈DALL（可從文本生成圖像的人工智能模型；谷歌引入了LaMDA大語言模型；
2022年，Stability AI發佈Stable Diffusion，基於文本描述生成圖像的工具。OpenAI發佈突破性的ChatGPT，用戶數量在5天內突破100萬；
2023年，ChatGPT升級至GPT 4。DALL-E2進化爲DALL-E3。Alphabet發佈了由LaMDA提供支持的生成工具Bard；
2024年2月，OpenAI發佈Sora。
圖靈提出“凡是能被計算的，都能夠被機器人實現”，他1950年提出“機器是可以思考的”。圖靈機就是模擬了人在特定環境中如果讓大腦無限運行，就可以解決的所有問題。
哥德爾、馮·諾依曼等人看到圖靈機，給予高度評價，哥德爾說圖靈機是最令人信服的。絕大多數人不是誇大人工智能，而是低估人工智能。
先有人工智能的觀念和思想，再有人工智能的技術的發展。1943年，把神經生物學和計算機結合產生了所謂的MP模型，推動了1956年夏天一個人工智能的2個月研討會，確定人工智能未來發展的三條路線：符號主義AI、連接主義AI、深度學習主義AI。
連接路線產生了深度學習，把深度學習理論模型化在2012年。
人工智能當前的競爭是深度學習領域。
人工智能的再次崛起，很大部分都要歸結於深度學習的崛起，而作爲深度學習三巨頭之一的辛頓貢獻了很大的部分。
2006年，辛頓對外發布自己的那三篇關於深度學習的論文。他沒想到的是，僅僅一個源自實驗室未被證明的設想，讓人工智能現在已經變成了超過萬億美元的大行業。
他的研究成果得以直接推動人工智能在圖像識別、語音識別、自然語言處理等衆多領域的廣泛應用，讓計算機能夠像人類一樣學習和處理信息，極大地提升了人工智能的智能化水平。
可以說，辛頓的工作不僅改變了人工智能的發展軌跡，還深刻地影響了我們的生活。
如今，我們能夠輕鬆地使用智能手機進行人臉識別、與語音助手交流、閱讀機器翻譯的文章等，這些都離不開辛頓的卓越貢獻。
所以，2024 年諾貝爾物理學獎授予辛頓具有重大意義。這一獎項既是對辛頓個人成就的高度認可，更是對深度學習領域的一次至關重要的肯定。
2024年，天翻地覆。人工智能已經到了不能想象的程度，全新時代到來，我們正在經歷一個鉅變時代，奧特曼說GPT發展到7的時候，會產生新物種，會有元意識。而社會和經濟的巨大變化，來自計算機世界的新物理規律：人工智能。
“現在，整個人類正處在非常關鍵的時刻。可能2043年，可能2035年，可能2039年，就是技術奇點。時間非常緊迫。人類需要行動起來，形成避免被科技綁架和迎接歷史文明轉型大潮。”
朱嘉明老師說：“科學與經濟、科學與政治、科學與哲學，就是今天的PPE（政經哲）的新內涵。”
爲了應對這個極端複雜的時代，筆記俠在國內率先開創了面向企業家及創業者的PPE（政經哲）班，2024級已開設三個模塊，即將於10月24-25日於重慶展開第四模塊。
筆記俠以甄別、發展、陪伴第五代企業家爲使命，PPE旨在幫助想成爲第五代企業家的朋友，通過學習政治、經濟、哲學提升認知，鍛鍊企業家面對“極端複雜時代下”的決策能力，幫企業持續發展。
好文閱讀推薦：