昨天（10月8日），备受瞩目的2024年诺贝尔物理学奖揭晓。奖项颁给了美国的约翰·霍普菲尔德和加拿大的杰弗里·辛顿，以表彰他们在使用人工神经网络实现机器学习的基础发现和发明。他们将分享1100万瑞典克朗（约合745万元人民币）奖金。

根据诺贝尔官网的介绍，人们在讨论人工智能的时候，通常指的是使用人工神经网络的机器学习，而这项技术最初是受到大脑结构的启发。今年的两位获奖者从20世纪80年代就在人工神经网络方面进行了重要的工作。其中，获奖者之一辛顿有"人工智能教父"之称，他也是2018年图灵奖得主，在神经网络方面的开创性工作塑造了为当今许多产品提供动力的人工智能系统。他曾就职于谷歌。在过去的十多年里帮助谷歌开发AI技术。另一位获奖者霍普菲尔德是物理学家，他发明了一种能够保存和重新创建模式的网络，他的工作启发了循环神经网络，其反向传播算法和深度学习今天仍在使用。专家表示，霍普菲尔德与辛顿的获奖有望进一步推动AI的发展。

新闻观察1：诺贝尔物理学奖为什么颁给了人工智能？

昨天，本年度诺贝尔物理学奖公布后，引发了很多的关注和热议，最主要的讨论焦点是，此次诺贝尔物理学奖给了非物理学领域专家，而且是计算机科学家。科普达人、美国康奈尔大学全奖物理化学博士包坤在某家媒体的视频直播中就笑言：“是诺贝尔物理学奖历史上最破圈的一个奖，就像刘国梁拿了网球比赛冠军。”那么，诺贝尔物理学奖怎么颁给了人工智能领域的科学家？人工神经网络与物理学有什么关系？下面进入今天的新闻观察环节，我们请新闻观察员高曦，跟我们一起来聊这个话题。

霍普菲尔德和辛顿的开创性工作为我们人类今后在一个更广泛的领域“机器学习”奠定了基础。机器学习是人工智能的核心，它的目标是让计算机能够从数据中学习并完成任务，而不需要完成任何指令都需要首先进行复杂而脆弱的编程，这种方法与传统上基于编程的计算机工作模式有着本质的区别。传统的计算机程序就像一个精确的食谱：程序员需要详细列出每一个步骤，计算机才能完成任务。而机器学习更像是教一个孩子烹饪：你给他们看许多例子，让他们自己总结规律。这种方法使得计算机能够处理那些难以用固定规则描述的复杂任务，如图像识别或语音理解。比如以霍普菲尔德命名的霍普菲尔德神经网络，就是根据物理学原理设计的一种网络；而辛顿发明的玻尔兹曼机，也用到了很多统计物理学的工具，这种机器能够通过学习来识别某类数据中的特定元素特征。

科学家们的职责就是回答关于世界的问题，比如宇宙起源、生命诞生等，而人工智能如何产生也是一个关键的基本问题，我们在对其进行的研究过程中也能得到相关的答案，至于是颁授物理学奖还是化学奖、生理学或医学奖，其实没那么重要，分科只是一种形式，其背后的很多原理都是相通的。

AI智能体走热，将如何改变生活？

人工神经网络为机器学习奠定了基础，使得人工智能成为可能，由此也将人的有限能力扩大、深化和发展为趋近无限。作为不少人看好的AI应用发展方向，当下备受关注的AI智能体已成为新的人工智能热词，那么AI智能体是什么？它的走热将如何改变我们的生活呢？我们继续来看。

中国科学院自动化研究所研究员蒲志强表示，可以将AI智能体理解为更立体、“类人”的智能系统。除了提供大模型广泛使用的语言交流，AI智能体还能完成更复杂的任务。通俗来讲，AI智能体就像一个有智商、有情商、能理解、会帮忙的“小助手”。例如，下达“买咖啡”这项任务指令，大模型会告诉你“我不能直接为您购买咖啡”并给出其他建议；AI智能体则会首先拆解如何购买咖啡，并拟定代用某APP下单及支付等步骤，按照这些步骤调用APP选择外卖，再调用支付程序下单支付，无需下达指令的人指定每一步操作。目前，AI智能体已在不少场景中得到应用，如客服、编程、内容创作、知识获取、财务、投研、手机助手、工业制造等。

在一些人工智能APP上，每个人都能创建和展示自己的AI智能体，进行“视频对话”、背单词、纠正口语，还可以通过AI智能体模拟面试、与AI古人对话等。几秒钟就可以给简历打分和优化；生成多种风格的文案；把工作内容教给AI智能体后，就可以帮自己完成一部分工作，相当于拥有自己的实习生。今年1月，智谱个性化智能体定制功能上线，用户用简单提示词指令即能创建属于自己的AI智能体。智谱相关负责人介绍，智能体中心有几十万用户公开发布的智能体，平均每天提问次数超过50万次。

新闻观察2：制定行业标准 平衡“智”与“治”

高老师，AI智能体是未来趋势所在，从现在的功能可以明显看出将会大大方便我们的生活，释放不少劳动力。但是有人也有担忧，比如本年度诺贝尔物理学奖获得者辛顿，虽然是人工智能先驱，但同时他也被喻为"AI末日预言者"。原因是他强调人工智能的风险，认为AI系统正在变得越来越危险。对此，你怎么看。

辛顿的担忧反映了当今科技界普遍存在的焦虑。在人工智能技术快速发展的背景下，如何平衡创新与监管已成为一个亟待解决的重要议题，具体来说就是要加快推进制定行业标准，平衡“智”与“治”。技术的潜力固然巨大，能在医疗、教育、交通等多个领域改善效率与效果，但同时也伴随着失业、隐私侵犯和安全风险等诸多问题。例如，生成式人工智能的应用，如ChatGPT，不仅推动了内容创作的变革，也引发了对知识产权和信息可靠性的担忧。

当今社会随着AI技术的深入应用，相关的伦理法规仍显不足，许多国家和地区在立法和政策制定上滞后，同时监管不力可能导致更加严重的问题，如数据滥用和算法偏见。

展望未来，建立有效的人工智能伦理框架将是不可或缺的一环。科技企业、学术机构和政府应携手合作，制定行业标准与法规，确保人工智能的发展有利于社会整体利益。在这一过程中，公众参与也显得尤为重要，广泛的社会讨论与透明的决策过程可以为未来的技术应用提供更为坚实的社会基础。未来的人工智能发展必将令人期待，但唯有审慎行事，我们才能确保这条道路通向可持续和协调的社会进步。