诺贝尔奖，也是学会了找“流量密码”。

一觉醒来，学物理和搞AI的都懵了！

拿下今年诺贝尔物理学奖的竟然是两位AI大牛，其中一位还是公认的AI教父。

此次诺贝尔物理学奖垂青AI，基本上无人押中，不少人预测的凝聚态物理领域，最终还是错付了。

就连获奖者之一的Geoffrey E. Hinton都在接到电话后感慨：“太意外了！我甚至一度怀疑是诈骗电话。”

那么AI究竟配不配这个诺贝尔物理学奖？

先说结论，物理学与AI之间的桥梁早已架起，年初那场由Sora引发的“世界模型”争议，正是物理AI的一种里程碑式的应用。

可惜Sora的想法太过理想，OpenAI大概也没搞出Sora的完全体，一直隐身没有公开，但科技巨头们对于AI在物理学的研究并没有停下来。

例如在今年Computex 2024上，英伟达CEO黄仁勋就给出了一个预测——AI下一波浪潮就是物理AI。

既然AI都变成了一个实体，那总该是物理学吧。

AI和物理，有何关系？

在谈物理AI前，让我们再来聊一聊AI获奖这件事。

官方给出的解释是，约翰·霍普菲尔德创造了一种可以存储和重构信息的结构。杰弗里·辛顿发明了一种可以独立发现数据属性的方法，这种方法对于现在使用的大型人工神经网络非常重要。因此颁奖以表彰“利用人工神经网络进行机器学习的基础发现和发明”。

这么看可能比较难懂，让我们换个角度来解释一下。

从逻辑的角度来说，瑞典皇家科学院认为机器学习可以作为研究物理世界的一种工具，由此可以衍生出一些应用，而不是简单理解成“机器学习=物理研究”。

按这种说法类比一下，去年拿下诺贝尔物理学奖的“阿秒激光”其实同样也是研究物理的一种工具。

不过阿秒激光听上去就跟物理学有关系，而机器学习更像是一种“玄学”，这才导致了今年AI获奖的争议声音这么大。

那么从原理的角度来说，AI与物理学也不是完全没有关系。

机器学习之所以能产生智能，这其实是一种“涌现”现象。

广义的“涌现”指的是许多小的个体相互作用后产生了大的整体，而这个整体展现了构成它的个体所不具备的新特性的现象，也就是俗称的“量变引起质变”。

在物理学等领域，涌现现象已经被谈论了很长时间，凝聚态物理学一大特点就是阐明微观结构与物理性质的关系。

而在大模型出现后，科学家们同样观察到涌现现象，因此把AI划分成无生命的物理学也算说得通。

AI最大的想象力，是进入物理世界

当然，目前发布的大模型与涌现现象之间的联系还是过于牵强，其能力主要依靠的是已有的知识体系，也就是训练语料库。

而Sora模型的发布，让人们看到了AGI的多模态能力——在经过更大规模、更通用的训练后，下一代模型将具备更复杂、更多层次的逻辑推理能力，这种模型甚至可以帮助人类解决复杂问题，而这正是一群AI大牛所追求的“世界模型”。

除了OpenAI以外，英伟达、Meta都是“世界模型”的力挺者。

黄仁勋在今年多次站台宣传物理AI，英伟达高级研究科学家 Jim Fan断言Sora是一个数据驱动的物理引擎，而Meta也是在今年推出新研究OpenEQA以及新架构V-JEPA，希望让AI Agent可以理解物理世界，从而成为真正的世界模型。

当然，世界模拟器并不是那么容易就能做出来，AI大佬们内部也分成各类流派。

例如图灵巨头LeCun就不认为Sora所代表的生成式技术可以理解物理世界，而黄仁勋则觉得机器人才是物理AI。

到了李飞飞这边，他们最近刚成立的创业公司，又将“空间智能AI”定为了主攻方向。

可以说，各家在追求“世界模型”这条路上，都走了不同的技术路线。

结语

黄仁勋有句话说得好：“当前许多AI系统尚未真正理解物理定律，也无法以物质世界为基础进行深度学习。”

但这些系统的发展又都指向了同一个趋势，那就是未来的AI会越来越多地参与到物理世界中。

至于怎么去实现，那都是后话。

回到“AI拿下诺贝尔物理学奖”这件事上来看，瑞典皇家科学院像是找到了一个“流量密码”，在激烈的讨论过后，无形间给“世界模型”打个广告。