W2011年，马克·安德森这位有着成为公共知识分子抱负的风险投资家，发表了一篇论文题为“为什么软件正在吃掉这个世界”的文章预测计算机代码将会接管经济的很大一部分。十三年过去了，如今软件似乎也在吞噬学术界。至少可以说，这可以从计算机科学家杰弗里·辛顿分享2024年这一事实中得出一个可能的结论。物理学诺贝尔奖与约翰·霍普费尔德，以及计算机科学家德米斯·哈萨比斯分享了其中的一半诺贝尔化学奖与他的DeepMind同事John Jumper之一。 注意：这句话似乎有些不自然，可能是源语言中的拼接错误或者特殊表达方式，在直接翻译时保留了原意但中文表达可能需要调整语境或句子结构来使其更符合习惯用法。如需更流畅的表达可以进一步询问。
哈萨比斯和杰姆佩尔获得的奖项在某种程度上是意料之中的，因为他们建造了一台机器——AlphaFold2– 这使得研究人员能够解决生物化学中最难的问题之一：预测构成生命基础的蛋白质的结构。他们的机器已经能够预测几乎所有的已知2亿种蛋白质的结构。因此，这对化学领域来说意义重大。
但赫顿不是物理学家。事实上，他曾一度是在学术会议上介绍的作为一个在“物理学失败了，心理学辍学了，然后加入了一个完全没有标准的领域：人工智能”的人。毕业后他花了一年时间做木匠。然而正是这个人找到了方法（“反向传播）这一技术使神经网络能够学习，这是解锁机器学习并触发当前人工智能狂热崛起的两个关键之一。（另一个是发明了变压器模型（由谷歌研究人员于2017年提出）
这一切中的物理学原理是什么呢？这来自于霍普菲尔德，他与辛顿一同获得了该奖项。“霍普菲尔德网络以及其进一步发展的玻尔兹曼机都是基于物理学的，”辛顿向对方解释道。纽约时报“霍普菲尔德网络使用了能量函数，而玻尔兹曼机则借鉴了统计物理学的思想。因此，在神经网络发展的那个阶段确实——在很大程度上——依赖于物理学中的思想。”
那么这就可以了。但媒体经常将辛顿描述为“人工智能教父”，这种说法听起来略带阴险意味。而他本人则截然相反：身材高大、和蔼可亲、礼貌周全、富有智慧，并且常常带着一种尖刻的幽默感。当Cade Metz问他得知获奖消息时的感受，他表示自己感到“震惊、惊讶并且难以置信”，这大概也是大多数人会说的话。但他在2018年与约书亚·本吉奥和扬·乐昆因在深度学习方面的贡献而分享了图灵奖——计算机科学界的诺贝尔奖。所以一直以来他都处于顶级行列。只是计算机科学领域没有诺贝尔奖。鉴于软件正在吞噬世界，也许这一状况应该改变。
有一个老笑话说，成为诺贝尔奖得主的关键在于“活得比对手长”。现年77岁的辛顿显然注意到了这一点。但其实他最令人钦佩的是，在神经网络作为人工智能关键的观念被整个领域否定之后，他依然坚持不懈地相信其潜力。鉴于学术界的运作方式，尤其是在像计算机科学这样的快速发展学科中，这需要非凡的决心和自信。或许在他心情沮丧的时候，支撑他的想法是他曾曾祖父是19世纪数学家乔治·布尔，布尔发明了奠定逻辑基础的理论。所有的事情这个数字资料。
人们也会思考这个奖项对个人的影响。当辛顿获奖的消息传来时，我想起了1995年获得文学奖的塞穆斯·希尼，他形容这种经历“就像被某物击中一样”。 mostly 翻译为中文通常指的是“大部分”或“主要是”，但由于提供的词过于简短且不明确具体语境，此处直接给出原文：mostly“良性雪崩”。需要注意的是“mostly”：诺贝尔奖的一个后果是，获奖者立即成为公众财产，人人都想分一杯羹。“我现在所做的就是‘露面’，”希尼在1996年6月沮丧地写给朋友说，“我成了时间表的执行者，而不是自己行为的主宰。这种情况还会持续几周甚至几个月……无论斯德哥尔摩效应最终如何，它的直接结果就是想辞掉工作重新开始。”亲自出庭（以我本人而言）。
所以……给吉奥夫的便条：恭喜多多。并且要掌控好你的日程。
我最近在阅读的内容
这样说
机器人聊天算是一次对话吗？是极好的纽约客文章由历史学家 Jill Lepore 关于她与 GPT-4 的高级语音模式互动的描述。
有趣的时代……
2024年10月2日。这个特定问题海瑟·考克斯·理查森不可或缺的Substack博客中的一篇文章是一颗瑰宝。
一本真正的翻页书（意指非常吸引人、让人欲罢不能的作品）
《读不懂书的精英大学生》是一部引人入胜的报告在大西洋罗斯·霍罗威特著。