杰弗里·辛顿，1947年出生于英国，后成为加拿大籍心理学家与计算机学家，其学术生涯中最为人称道的贡献之一是与David Rumelhart和Ronald J. Williams共同发表的论文《通过反向传播错误的学习表示》。这篇论文不仅被引用了近四万次，还极大地推广了多层神经网络的反向传播算法。辛顿还发明了波尔兹曼机和受限波尔兹曼机，这些模型在深度学习的发展中扮演了关键角色，因此他也被视为深度学习领域的领军人物。目前，辛顿在谷歌担任高级工程师，并参与领导“谷歌大脑”项目。
与辛顿一同获奖的约翰·霍普菲尔德，1933年出生于美国，是加州理工学院计算与神经系统博士项目的创始人之一。霍普菲尔德的研究领域广泛，涵盖了物理学、分子生物学和神经科学。1982年，他提出了著名的霍普菲尔德网络，这是一种能够存储和重建模式的联想记忆模型，为后来的深度学习和机器学习奠定了基础。霍普菲尔德的学术生涯同样辉煌，他曾多次当选美国国家科学院院士、美国艺术与科学院院士以及美国哲学会会员，并因跨学科贡献而获得ICTP狄拉克奖章。
获奖消息一出，立即在学术界和社交媒体上引起了热烈反响。剑桥大学和多伦多大学纷纷祝贺校友霍普菲尔德和辛顿的杰出成就。网友们也纷纷发来贺电，即使是人工智能的批评者也放下了成见，为这一特殊荣誉感到骄傲。然而，也有不少人对于人工智能的成就获得物理学奖感到困惑。
对此，诺贝尔官方解释称，今年物理学奖的突破建立在物理科学的基础上，展示了使用计算机帮助和指导我们解决社会面临挑战的全新方式。基于人工神经网络的机器学习目前正在彻底改变科学、工程和日常生活，并在建设可持续社会方面取得突破。未来如何使用深度学习取决于人类如何选择使用这些强大的工具。
斯坦福的应用物理学教授和另一位物理学教授也纷纷发声，表示人工智能的很多重要基础都依赖于物理学，拿奖理所当然，而且理解和改进人工智能已经成了物理学的新的前沿课题。另一位量子学副教授也解释了霍普菲尔德网络、基于能量的模型、RBM是物理学和机器学习之间最自然的联系之一，对诺贝尔物理学奖的高度认可感到既意外又开心。
雷峰网解读指出，今年的诺贝尔物理奖强调了物理学与人工神经网络之间的紧密联系，以及物理学在推动神经网络研究中所发挥的关键作用。霍普菲尔德发明了一种能够保存和重新创建模式的网络，而辛顿则在此基础上创建了玻尔兹曼机，推动了机器学习的爆炸式发展。两位学者的共同获奖，不仅是对他们个人成就的认可，也是对物理学在神经网络领域所发挥的重要作用的肯定。
总之，这一决定不仅强调了跨学科研究的重要性，也凸显了物理学在推动现代科技发展中的核心作用。霍普菲尔德和辛顿的获奖，无疑为人工智能领域的研究注入了新的动力，也为我们展示了物理学与人工智能相结合所带来的无限可能。
