“我怎么能确定这不是个恶作剧电话？”杰弗里·辛顿(GeoffreyHinton)在凌晨两点接到诺贝尔奖委员会电话时，这是他的最初想法。
时间回到10月8日，在这一天，2024年诺贝尔物理学奖正式授予了杰弗里·辛顿(GeoffreyHinton)和另一位学者约翰·霍普菲尔德(JohnJ.Hopfield)，以表彰他们在机器学习与人工神经网络领域的基础性发现和发明。
那么，他们的贡献与物理关联何在呢？
诺贝尔奖委员会揭秘：他们利用了物理学方法来寻找信息的特征，构建了为当今强大的机器学习奠定基础的方法。Hopfield提出的“Hopfield神经网络”，以相当于物理学中自旋系统能量的方式进行描述。Hinton提出的“玻尔兹曼机”，则使用了统计物理学中的工具。后来Hinton在这项工作的基础上，帮助启动了当前机器学习的爆炸性发展，也就是我们熟知的深度学习革命了。
无独有偶，北京时间10月9日下午，瑞典皇家科学院决定将2024年诺贝尔化学奖授予三位科学家。其中，一半授予美国华盛顿大学教授大卫·贝克(DavidBaker)，以表彰其在计算蛋白质设计方面的贡献；另一半则共同授予英国人工智能公司谷歌DeepMind公司的丹米斯·哈萨比斯(DemisHassabis)和约翰·乔普(JohnM.Jumper)，以表彰其在蛋白质结构预测方面的贡献。
如果要说学术界与产业界有什么共识，那应该就是大模型不是“万能药”，只有把大模型任置于具体的场景中，才能兑现技术价值。
其次新技术在改变世界上总要有些时间。曼哈顿研究所高级研究MarkP.Mills认为，正如汽车、无线电、互联网等革命性技术，新技术在改变世界之前，都会经历漫长的蛰伏期，绕不过发明创造、商业可行、大规模推向市场三个阶段。
“颠覆性创新”通常每个阶段持续20年左右。例如在汽车发明(1886年)之后多年，T型车设计才出现(1908年)，到了1920年代末，美国汽车渗透率上升到20%。
有时创新发生得也会快一点，从“分组交换”的想法到创建互联网不到十年，万维网公开商业化花了20年时间，但只用了10年时间就看到了显著的市场渗透。
