就在10月8日，瑞典皇家科学院宣布将2024年诺贝尔物理学奖授予John J. Hopfield和Geoffrey E. Hinton，以表彰他们利用人工神经网络实现机器学习的奠基性发现和发明。
平时没有特别关注物理学界的话，可能并不是太了解这两位学者。先来看看这两位大佬的基本介绍！
约翰·霍普菲尔德现任美国普林斯顿大学教授。
他创造了一种关联记忆，能够存储和重构图像以及其他模式类型，为机器学习、联想记忆、模式识别、优化计算等多个领域的发展奠定了基础。
John J.Hopfield
Geoffrey Hinton
杰弗里·辛顿现任加拿大多伦多大学教授。
辛顿发明了能够自主发现数据中属性的方法，如识别图像中的特定元素。他利用统计物理学的工具，对霍普菲尔德网络进行随机扩展，开发出了“玻尔兹曼机”，用于分类图像等任务。
总结来说，两位学界大佬都是为人工智能发展做出重要贡献的人物。
这也导致消息一出，不少物理领域的学生直呼看不懂：“太抽象了！”；“跟图灵奖抢人？”；“谁还搞传统物理啊？”；“物理学不存在了！”。
来源：小红书
今年诺奖的物理学奖确实颠覆分类，并且非常反直觉，连中科院的预测都失望败北。
来源：中科院物理所
不管往年物理学奖获得者研究的课题究竟是量子还是天体，但起码都有一个共同点是解决了一个具体的物理问题。
诺贝尔物理学奖年鉴
2023年诺贝尔物理学奖
美国俄亥俄州立大学名誉教授皮埃尔·阿戈斯蒂尼（Pierre Agostini）、匈牙利/奥地利物理学家费伦茨·克劳斯（Ferenc Krausz）和瑞典隆德大学教授安妮·呂利耶（Anne L’Huillier）因在阿秒脉冲光方面所做出的贡献共同获奖。
2022年诺贝尔物理学奖
法国物理学家阿兰·阿斯佩 （Alain Aspect）、美国理论和实验物理学家约翰·弗朗西斯·克劳泽（John F. Clauser）和奥地利科学家安东·塞林格（Anton Zeilinger）因在量子信息科学领域的研究共同获奖。
2021年诺贝尔物理学奖
日本科学家真锅淑郎（Syukuro Manabe）、德国科学家克劳斯·哈塞尔曼（Klaus Hasselmann）和意大利科学家乔治·帕里西（Giorgio Parisi）因对复杂系统的理解作出了开创性贡献共同获奖。
2020年诺贝尔物理学奖
英国科学家罗杰·彭罗斯（Roger Penrose）因发现了宇宙中最奇特的现象之一——黑洞；德国科学家赖因哈德·根泽尔（Reinhard·Genzel）和美国科学家安德里亚·盖兹（Andrea·Ghez）因发现银河系中心的超大质量致密天体，共同获奖。
2019年诺贝尔物理学奖
美国科学家詹姆斯·皮布尔斯（James Peebles）因“在物理宇宙学上的理论发现”获奖，瑞士科学家米歇尔·马约尔（Michel Mayor）和迪迪埃·奎洛兹（Didier Queloz）因“发现一颗环绕类太阳恒星的系外行星”共同获奖。
2023年的诺奖关键词是阿秒光学；2022年是量子信息科学；2021年是复杂系统；2019年和2020年是天体物理，2024年确实是画风突变。
为什么画风突变？
这两个原本看似毫不相关的领域，其实存在着双向的联系。在过去，物理学家们主要依靠理论推导、实验观测和数值模拟来揭示自然界的规律。
然而，这些传统方法在面对大规模复杂系统时，往往显得力不从心。
而人工智能（AI）技术的出现，为物理学研究开辟了一条全新的道路。
AI能够从海量数据中挖掘出隐藏的规律，加速理论建模和实验设计，甚至帮助我们发现那些未曾预料的新现象。
一方面，物理学的理论基础，如量子理论，为AI算法和模型的发展提供了重要支持，尤其是在量子机器学习领域。
另一方面，AI技术为解决物理学问题提供了新的计算工具和方法论，使得人类能够更高效地探索和理解自然界的奥秘。
AI技术的核心之一是机器学习。机器学习致力于让计算机具备自动学习和改进的能力。
通过对海量数据的训练，深度神经网络能够自动提取数据的特征，并对复杂模式进行建模和预测。
有一个形象但不严谨的比喻，以前物理学家是用锯子砍树，而AI提供了电锯，这次诺奖就是颁给了电锯的发明者。
这会产生什么影响呢？
将诺贝尔物理学奖授予机器学习领域的科学家，将会对AI研究和应用的未来具有深远的影响。
• 学术和工业界的关注提升：这一奖项的颁发将显著提升机器学习和AI领域在学术界和工业界的关注度，吸引更多优秀人才投身于这一领域。
• 技术的进一步发展和创新：激发更多的跨学科研究，促进物理学、计算机科学和人工智能等领域的深度融合，推动技术的进一步发展和创新。
• 科学研究的范式变革：AI技术已成为推动科学创新的重要力量，新的科研范式和机遇与挑战随之出现。
• 跨学科合作的重要性：AI在推动科学创新方面的作用以及跨学科合作在科学发现中的变革性作用得到了认可，这强调了不同学科之间合作的重要性。
这一奖项的颁发不仅是对约翰·霍普菲尔德和杰弗里·辛顿在利用人工神经网络实现机器学习方面奠基性发现和发明的认可；
更是对整个人工智能AI，尤其是机器学习领域及其在自动化、个性化服务和智能决策支持系统中关键作用的肯定。
诺奖的颁奖风向给我们指明了什么方向呢？
“You can't spell physics without CS.”
（如果没有计算机科学你甚至无法拼写物理学。）
纵观这些年的美本申请，越来越倾向跨学科领域的复合人才，也涌现越来越多的交叉学科项目，这和当前前沿的科研对人才宽度的要求是分不开的。
辛顿和霍普菲尔德在心理、数学、物理、生物、机器学习等领域都扎根颇深，如今的科研大牛都是如此的技多不压身。
也无怪乎近年诺奖经常发生把物理学奖颁给数学家、把化学奖颁给生物学家的跨界颁奖。
计算机+X=王炸组合
CS+X学位是一种创新的教育模式，它将计算机科学与其他领域(如经济、艺术、科学等)的专业知识相结合，为学生提供了跨学科的教育。
比如，CS排名前十的伊利诺伊大学香槟分校就推出了一个跨学科的本科项目，CS+X。
该项目的学生需要完成计算机科学的核心课程，如数据结构与算法、人工智能与机器学习等，同时还需要完成另一门学科的专业课程。
比如，CS + Economics 的学生不仅需要学习计算机科学的内容，还要掌握经济学的基础知识，如宏观经济学、微观经济学等。
CS后边的X还可以替换成其他各类学科：
•CS+Linguistics（计算机科学与语言学）
•CS+Anthropology（计算机科学与人类学）
•CS+Music（计算机科学与音乐）
这种学位的优势在于，它不仅提供了坚实的计算机科学基础，还扩展了学生的知识范围，使他们能够在多个领域内应用计算技术。
毕业生因此能够适应多变的职业市场，无论是进入职场还是继续深造，都将具有竞争优势。
相比于名校中传统的CS或数据科学专业，CS+X专业还比较新，没那么卷。
例如，伊利诺伊香槟分校的CS+X专业录取申请率就高达25.4%，是传统CS专业的五倍左右。
如果对于学生当前的学术水平申请CS专业有点难度，可以尝试申请其他学院下的CS+X项目。
【竞赛报名/项目咨询请加微信：mollywei007】
