科研这件事其实离我们并不远，动动手指打开网页就能了解相关信息，不过国人好像对此越来越漠不关心了。

当大学生选专业第一目标是找工作，当行政力量第一目标是化债，当科技精英们第一优先级是资本变现，不能说错，但总感觉这个时代哪里不对。

10月8日，2024年诺贝尔物理学奖授予了两位科学家，约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton），以表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。霍普菲尔德在美国普林斯顿大学工作，而辛顿在加拿大多伦多大学工作。他们利用物理学中的基础概念设计了人工神经网络，这些网络可以作为关联记忆并能在大型数据集中寻找模式。这些发明和发现是当今强大机器学习技术的基础，对物理学研究和日常生活的各个方面都产生了深远的影响，例如面部识别和语言翻译等应用。

对于物理是门外汉，本文想从中西对待教育和科学的差异角度谈一谈。

一

跨界。

有一个有趣的报道，当辛顿得知自己获得2024年诺贝尔物理学奖时大吃一惊。他说，“如果有诺贝尔计算机学奖，我们的成果明显会更合适。”《纽约时报》如此评价欣顿：“他不是物理学家。”

另一则，瑞典皇家科学院宣布获奖结果时与辛顿进行了电话连线，他表示：“我住在加州一家廉价酒店里，那里的互联网和电话信号都不太好。我本来今天要做核磁共振扫描，但我不得不取消了！”

要知道，辛顿在求学阶段获得的是实验心理学学位，而霍普菲尔德本科阶段甚至拿到的是文学学位，后来他辗转贝尔实验室、康奈尔大学和加州大学，从事物理学研究。不过霍普菲尔德的研究领域从未局限于物理，他在普林斯顿大学成为分子生物学教授，后来又在加州理工学院开创了自己的“计算与神经系统”博士点。

二

让AI思考要先让人思考。

AI是如何思考的呢？这个问题引人入胜，涉及到多个层面的深入理解。正如阿兰·图灵（Alan Turing）在他的论文《计算机器与智能》中提出的图灵测试，AI的最终目标是能够像人类一样思考和做出决策。

其实，现在人们所说的“人工智能”，实际上就是指使用人工神经网络的机器学习。这项技术最初的灵感来自大脑的结构——在人工神经网络中，大脑的神经元由具有不同价值的节点来表示，这些节点通过连接相互影响，如同“突触”，可以增强或弱化，网络由此实现训练。今年的获奖者从20世纪80年代起就已经在人工神经网络方面开展了重要工作。

霍普菲尔德和辛顿都对人工智能领域做出过突出贡献，其中，辛顿还曾获得过计算机领域国际最高奖项——图灵奖，被业内人士尊称为“AI教父”。

本文不探讨技术问题，而是感慨于两位ai教父的跨界能力，我不仅反思自己包括国人目前的教育现状。

中国的普通老百姓，还关心创新吗？

中国的学校，能不能培养出跨界能力突出的孩子？

如果说AI开口说话、自主思考对于人类的教育有所启示的话，我认为最重要的几个方面如下：

培养创新力：鼓励孩子探索和解决问题，通过项目式学习和模块化教育等方法激发他们的创造力。

培养跨界能力：通过跨学科学习，让孩子掌握综合思维和适应未来社会的能力。

重视情感教育：在教育中加强情感和同理心的培养，塑造孩子的人际关系和社会责任感。

强调终身学习：教育孩子适应快速变化的环境，不断更新知识和技能。

教育伦理和责任：随着AI技术的发展，教导孩子理解技术伦理，培养负责任的使用习惯。

2023年，辛顿从谷歌离职，并公开谈论他对AI的担忧：“很难看出人类如何能阻止坏人利用AI来做坏事。”辛顿坦言，他之所以离开谷歌，就是为了完全自由地说出人工智能所带来的危险，甚至还说他对自己在人工智能领域所付出的贡献感到懊悔。

辛顿称，人工智能不仅会导致大量工作岗位消失，而且会导致人们没办法知道到底什么才是真实的。他也承认，自己不知道未来该如何处理这一问题。

仔细揣摩这些顶级科学家的认知，相信你我都会有所收获。

——

我清晰得记得，有那么一代人，他们在上小学时的理想，几乎全班都是做科学家。