海納百川》50年AI寒冬無人問 ChatGPT一舉成名就得諾獎（沈政男）
瑞典皇家科學院8日宣佈，美國學者霍普菲爾德（左圖），與加拿大學者辛頓（右圖），共同獲得今年度諾貝爾物理學獎。（美聯社）
今年諾貝爾物理學獎頒給了人工智慧的開拓者霍普菲爾德與辛頓。他們的研究跟物理學關係不大，頂多是從中得到靈感，尤其辛頓根本沒有物理學背景，於是引發了一些小爭論。
然而，就跟流行音樂家巴布狄倫得到諾貝爾文學獎一樣，諾貝爾獎也需要趕流行，於是趁着ChatGPT引爆的AI熱潮，拉關係頒給了兩位人工智慧的大師。
ChatGPT運用所謂深度學習，而前身有幾個重要里程碑，最早是1950年代的感知器（perceptron），後來是1980年代由霍普菲爾德發展的霍普菲爾德網絡（Hopfield network），以及辛頓發展的波茲曼機器（Boltzmann machine），再加上幾個重要的簡化訓練的演算法，比如反向傳播（Backpropagation），纔有後來的AI大爆炸。
然而，你看，霍普菲爾德與辛頓的重要貢獻，都是30多年前所做了，爲什麼現在才得獎？就因爲ChatGPT的成功，使得他們的成就變得偉大起來，否則先前根本沒人在意啊。
正所謂：50年AI寒冬無人問，ChatGPT一舉成名天下知，才讓他們得到諾貝爾獎。事實上在感知器發展起來以後，有人就證明了，只能用來解決簡單問題，沒辦法成爲人工智慧！於是AI進入了第一個寒冬時期，後來才由霍普菲爾德以他的發明帶來了春天。辛頓受到霍普菲爾德啓發，改良了他的網絡，使得人工智慧又變得可能。
人工智慧是模擬人腦的思考方式，霍普菲爾德網絡與波茲曼機器都很創意，而且可以執行數字辨認的任務，問題是速度太慢了，電腦的學習與運算速度跟冰河移動差不多，必須找到更有效率的訓練電腦的方法。
附圖就是反向傳播發表出來的那篇文章，刊載在1986的《自然》期刊，應該是AI史上最重要文章之一。反向傳播是什麼，以後我會再寫，這裡只是要說，那篇文章的第一作者是誰？
大衛•魯梅爾哈特。辛頓說，魯梅爾哈特纔是AI的開拓者，因爲他是辛頓的督導老師。可惜他十幾年前就過世了。
魯梅爾哈特編寫了兩冊一套的《平行分佈過程》，乃AI最重要的經典之一，我在20多年前就買了，今早拿出來再翻一翻，都已經覆蓋蛛蜘絲了。你可以看到，在1980年代，那些認知科學家，企圖多麼宏大！他們不是要發明人工智慧，而是對人腦如何思考充滿了興趣，想辦法要來模擬人腦，於是想出了各式各樣的神經網絡模型。
沒想到後來被資訊科學拿去用了，而重要的技術關鍵就是大家知道的，GPU的發明與運用，訓練神經網絡的速度加快了千萬倍，使得平行運算變得可行。
人工智慧的原理很簡單，一端是輸入，另一端是輸出，中間則是隱藏神經元，而透過訓練，餵給電腦既有資料，讓它學習起來，下次遇到模糊的資料，就可以辨認，甚至可以創造新的資料。問題就出在，中間那些隱藏神經元要怎麼連結，彼此如何溝通，以及資料從輸入端進去以後，從前頭傳到後頭，該怎麼給予加權，才能讓輸出端的產出，跟目標答案的差距越來越小。
比如你給一張蘋果的圖片，訓練以後如果給一張香蕉圖片，必須能夠判斷這不是蘋果！
感知器就是很固定的演算法，你程式怎麼寫，就只能那樣判別資料；霍普菲爾德網絡是倆倆神經元相互連結的網絡，霍普菲爾德從物理學的自旋概念，想到了神經元的運作有類似之處，並且用能量的概念來求得網絡的恆定狀態，這是他的創見；而辛頓引入了隱藏神經元，並且用反向傳播簡化了訓練過程，使得網絡的學習更有效率。
Open AI的創辦人伊爾亞是辛頓的學生，他在1986出生，剛好是附圖那邊文章發表那年。辛頓曾說，有一天一個學生來敲門找他，說要跟他學習，但他正在忙，於是就說，我們約個時間好了！結果那位學生竟回答，那就約現在好了！
那位學生就是伊爾亞，那天辛頓給了一篇文章，要他回去念，就是附圖那一篇。伊爾亞後來與辛頓一起，掀起了十餘年來這一波的AI革命，從AlphaGo一直到ChatGPT，他等於是AI的代言人。
辛頓教出了好多高足，比如楊立昆（博士後研究），跟他一起在2018得到圖靈獎。照理說楊立昆也可以得這次的諾貝爾物理獎，但因爲他純粹就是人工智慧領域的人，跟物理沾不上邊，諾貝爾獎委員會扯不下去了。
網路上可以找到好多辛頓的訪談與教學影片，他本來在Google工作，去年離開，就爲了可以更加客觀評論AI。他大半生對研究、教學與倡導AI，都充滿了興趣、理想與遠見，可以說是一個典範科學家。
科學家的三個角色或使命就是：研究、教學與倡導。
辛頓還有一個重要的演算法發明，也就是對比分歧（contrastive divergence），網路上沒人介紹，有機會我再來寫一下。
看到網路上辛頓親自講解人工智慧的教學影片，真的非常感動。國外大學的研究風氣，顯然跟臺灣有很大不同，人家對學術的熱情可以達到瘋狂投入的程度，難怪可以發明那麼神奇的東西。（作者爲醫師）
※以上言論不代表旺中媒體集團立場※