今年的諾貝爾物理學獎，頒給研究AI的兩位教授，他們使用物理學方法，早在80年代就證明電腦能模仿人類大腦的神經元結構來做運算，為現代AI奠定基礎，然而時至今日AI計算量與耗電量越來越大，未來勢必遇到瓶頸，專家認為要繼續研究生物大腦內的神經元結構，才能設計出下一代更有效率的人工智慧。

輝達執行長 黃仁勳：「每年成本會降低2~3倍，每年能耗會降低2~3倍，加總起來的複合效率會很大，大家知道摩爾定律是說每過一年多，半導體效能會翻倍，但AI運算即將超越摩爾定律。」

正因為成本更低、功耗更低，效能也每年提升，不用黃仁勳鼓吹超級摩爾定律，世界上所有科技公司都知道必須買更多AI晶片，建構更多算力，當運算量翻好幾倍時，再怎麼節能，還是免不了龐大的電力需求。

CBS主播：「因為對於AI的需求暢旺，谷歌現在重新檢視核電的可能性。」

從馬斯克的「DOJO」AI伺服器，到ChatGPT的微軟資料中心，每次訓練演算法 都需要動用上萬片輝達GPU的算力。因為如今的AI是一種「類神經網路運算」，也就是讓電腦學習人類大腦的運作，人腦有800億個神經元，還彼此連結，形成複雜網絡，理論上有上百兆種連結可能，這種數量驚人的腦內矩陣，構成人類學習、推理、情感處理和直覺。而人工智慧就是用一個數位化的節點 來模擬人類的一個神經元，但科學家不知道節點之間該怎麼連，乾脆就越連越多，因此運算量越來越大，當然也就越來越耗能，可以說如今的AI只學了人腦的一招半式，但即便只學到一半，也足以獲得2024年的諾貝爾物理獎。

瑞典皇家科學院秘書長 埃勒格倫：「2024諾貝爾物理學獎，頒給Hopfield 和Hinton，以表彰他們對人工智慧神經網路的貢獻。」

Hopfield 和Hinton兩位教授，因為發明了如今AI的雛型，共享諾貝爾榮譽，其中以人腦架構設計電腦，早在1982年就由Hopfield教授提出。

東海應用物理教授 施奇廷：「一直到現在，我們電腦的架構都是從二次大戰結束後到現在都沒變，分成處理單元，就是CPU，另外是儲存單元，就是記憶的地方。我們如果要處理大量資料的時候，這兩邊就要頻繁交換訊息，這其實滿沒有效率的，那人腦有很多腦細胞，之間有神經纖維互相連結，記憶也好、思考或處理的事情，完全是透過神經細胞之間的連結而來的。開始是Hopfield教授，那是在1982年他的一篇論文，他的意思就是說我們可以把大腦運作的方式，複製到電子的晶片上面，可以重新設計我們的電腦。」

物理出身的Hopfield證實了理論上可行，於是另一位資工背景的Hinton教授接手去實現，首要問題就是模擬人腦神經元的節點彼此之間怎麼相連，Hinton從自然界物理狀態去找，認為最低能量、最高亂度，就是節點之間的連接原則。

東海應用物理教授 施奇廷：「Hinton他雖然不是物理學家，但他滿懂物理的，他說事實上物理系統不是只有趨向能量最低狀態，另外還有一個亂度要最高的狀態，兩個要有一個平衡，就是神經網路在找他最好的連結方式的時候，要把熱力學給考慮進來。」

以能量與亂度的平衡找到節點之間的連接方式只是第一步，Hinton第二步還想到，人類是用眼睛看、然後再用大腦想，相當於資訊的輸入和處理不是只有一層，而是分層。有了這兩個概念，人工智慧電腦終於有了基礎架構。

東海應用物理教授 施奇廷：「可是就有一個致命的缺點就是，因為他引入這兩個東西，讓問題的複雜度變得太高，就是甚麼東西都要算到天長地久，所以後來他就把一些神經元的連結給切掉，而且不管三七二十一就是切掉一大半。這件事情不管從腦科學或從物理來講都沒有道理，但是他這一砍，就work，解決問題一樣好，速度快非常多。」

速度加快，就能再增加一層又一層的節點數量，這種推疊出來的網路，就叫做「深層神經網路」或「深度學習」。但其實是資工專家找不到節點之間最佳連接方式，才以量取勝，靠大量節點之間的函數運算暴力硬解。

而隨著輝達和台積電做出越來越強的AI晶片，如今AI伺服器動輒耗電6000瓦以上，相比之下，人腦靠著生化訊號，能量消耗只有25瓦，想模仿人腦，現在的AI架構顯然不是最好答案。

東海應用物理教授 施奇廷：「一路走過來變成現在的AI，可是現在這個東西在能量和尺度上，可能很快會遇到瓶頸，就回到Hopfield一開始講的，我模仿真正的大腦，依照真正的物理定律，可以很容易地找到那個解，像我們人腦一樣那麼省能源，也許那個才是更下一代人工智慧該有的樣子。」

所以終極問題回到原點，大腦內神經元相連的物理定律究竟是甚麼？為了找出答案，普林斯頓大學正好發表最新研究，宣布果蠅大腦內13萬又9255個神經元，彼此有5000多萬種連接方式，全部被找了出來，是理解腦神經科學的重大飛躍。

東海應用物理教授 施奇廷：「他13萬顆腦細胞裡面，果蠅喔，每一顆腦細胞只跟其他幾百顆或上千顆有相連，為什麼動物的腦這麼有效率，跟他連線的電路的連法一定有關係，知道大腦結構和運算方式，對我們設計電腦，開發新AI應該有很大幫助。」

果蠅大腦被成功破解，居然可能是設計出高效率低能耗終極AI的第一步。但其實科學家想要繪製出小小一顆蒼蠅腦的全連結圖像，已經著手進行了十幾年，現在能有進展，靠的也是現有AI的圖像辨識算力。

東海應用物理教授 施奇廷：「你要做到電子顯微鏡奈米等級的解析程度，大腦形狀像長出很多觸鬚全部糾纏在一起，可以想像就是把1萬人份的義大利麵切成5000片，你只看到一個切片，你要把這些東西重建成100萬根的義大利麵條，這就是影像處理的大難題。」

AI幫忙解密大腦結構，大腦結構回過頭，幫助設計出更有效率的AI，物理和資工互相配合正如同Hopfield和Hinton教授，一位物理學家、一位資工專家，因為對AI機器學習的貢獻，共享2024諾貝爾物理學獎。（記者張振驊、陳耀隆／臺北臺中採訪報導）