作者：王坚，博士，芝加哥教授学者协会会长。
审阅者：张怀波，伊利诺伊大学芝加哥分校精神病学系研究副教授，研究领域包括通过神经元突触的可塑性来调节神经元的功能。（版权所有，转载请联系作者）
十万个为什么 3.0 丛书
2024年的诺贝尔物理学奖，获奖项目是人工智能用的神经网络。以前大家都没想到人工智能与物理学有关系，获奖者Hinton也表示：自己感到非常惊讶和震惊，自己从来没有想到过这一点。
人工智能使用的人工神经网络，是模拟大脑神经元的工作原理，借鉴了生理学的研究成果。20世纪40年代，研究人员开始探索大脑神经元和突触网络的工作原理。神经科学家 Donald Hebb 指出，学习之所以发生，是因为神经元之间的神经突触连接得到加强。△ 唐纳德·赫布（Donald Olding Hebb，1904.07.22 – 1985.08.20），是著名的加拿大心理学家，也是公认的认知心理生理学之开创者（图一）。他出生于加拿大新斯科舍省的切斯特（Chester Basin），逝于加拿大新斯科舍省。
科学家用计算机模拟人脑，构建了人工神经网络。在人工神经网络中，用节点模拟神经元，每个节点被赋予不同的值，而突触则由节点之间的连接表示，这些连接可以被加强或削弱。神经科学家Donald Hebb 的假设至今仍是通过训练来更新人工神经网络的基本规则之一。人工神经网络四大理论支柱为“阈值逻辑”、“Hebb学习率”、“梯度下降”、“反向传播”，其中“阈值逻辑”、“Hebb学习率”，都来自于对大脑神经元的生理学研究。
获奖人Hopfield的Hopfield神经网络，模仿人的神经元的阈值控制和Hebb学习。获奖人Hinton，也是从小就对人脑的工作原理深感兴趣，Hinton坚信，“人类大脑就是这么工作的，机器利用神经网络也一定可以。”两个人的研究工作都是受大脑神经元的启发。获奖者Hinton讲，早期的人工神经网络用了能量函数，现在的人工智能与物理学关系不大。人工神经网络是虚拟的，与能量没关系。人工神经网络的能量函数，是人为定义的，与物理没关系。英特尔的Hala Point大型神经拟态研究系统，进一步推动神经拟态计算应用和类脑人工智能研究。现在的神经拟态计算和类脑智能，更是依赖对大脑的生理学研究。人脑神经元能实现很多非线性的激活函数，激活时间也是可以控制的。生物神经元不仅传递电信号，还传递化学信号。神经递质是神经系统中神经元之间传递信号时释放的化学物质，神经递质在神经元之间的突触间隙中释放，以快速传递、放大或抑制信号。生物神经元是一个复杂的、动态的、非线性的系统，机器学习的人工神经元是生物神经元的简化模型，人工神经元只有电信号，没有化学信号。和生物神经元相比，人工神经元还有很大的提高余地。
广义的类脑智能还包括正在兴起的类脑组织工程，用干细胞诱导分化的方法，获取具有大脑细胞类型及结构的类脑器官，更好地模拟人脑，这就更是加强了人工智能和生理学的联系。也就是讲，人工智能使用的神经网络，起源于对人脑神经元的生理学研究，人工智能的未来发展方向，如类脑智能，和对大脑的生理学研究的联系更是十分密切。人工神经网络，与生理学有密切的联系，与物理学的关系不大。
AlphaFold用人工智能做蛋白质结构的初步预测，然后再用物理模型来提高蛋白质结构预测的精度。相比与物理关系不大的人工神经元，AlphaFold大量使用物理模型，更有资格获得诺贝尔物理学奖。而人工智能使用的神经网络，则是起源于对人脑神经元的生理学研究，与生理学关系密切，与物理学关系不大，更有资格获得诺贝尔生理学或医学奖。
发表评论