【專題企劃15】諾貝爾獎背後的物理思考:黎璧賢談AI與物理跨領域探索

發表者 SPEC科學推展中心

36 觀看次數

【專題企劃15】諾貝爾獎背後的物理思考:黎璧賢談AI與物理跨領域探索

採訪  /  何郁庭 (科學推展中心執行編輯) 撰稿  /  洪佳如 (科學推展中心特約編輯)


 

投身學術研究是一件幸運且幸福的事


黎璧賢現為國立中央大學物理學系講座教授,於1983年畢業於香港大學後,於美國匹茲堡大學先後取得物理碩士與博士學位。自1992年於國立中央大學物理學系任職以來,於臺灣獲得國科會傑出研究獎與中華民國物理學會會士的榮譽肯定。2024年12月,甫獲得臺灣物理學會華人物理學刊優良論文獎,其傑出的學術貢獻與表現有目共睹。


學生時期的黎璧賢,對物理和數學特別感興趣,對自然界的規律有著強烈的求知慾,企盼自己有能力釐清背後的脈絡,尤其物理有實驗能夠驗證,因此黎璧賢很早立志往理論物理邁進,並在香港大學攻讀物理系的畢業前夕,黎璧賢已順利申請負笈美國攻讀物理碩、博士獎學金。


一路走來,黎璧賢由衷認為,能夠投身學術研究,是一件非常幸運、幸福的事,因為不僅可以從事自己有興趣的領域,同時也可以用來謀生,就好比職業運動員與電競選手一樣,做自己喜歡的事情,也有不錯的生活品質。黎璧賢笑說,但學術研究有一件比職業選手更美好的事,那就是隨著年齡的增長,自己做學問的功力、經驗,也會隨著年齡增長逐漸提升,有時候十年前不見得解得開的難題,可能因為中途轉向研究其他題目,閱讀不同的期刊因而獲得啟發,學術職涯不因年紀而受限。


從生物軟物質到複雜系統,多元豐富的研究面向


黎璧賢的研究範疇廣泛,在生物物理方面主要為研究一般生物系統的理論模型,以及細胞內及細胞相互作用的動力學問題;軟物質方面主要研究自主運動粒子系統,,磨擦及介面動力學;複雜系統主要研究複雜網絡的成長原理及網路動力學;統計物理的研究是非平衡通計物理,有關熵(entropy)產生的統計性質及與熱力學第二定律有關的一些新定律等。各項研究背後所蘊含的物理原理與工具,跟近三十年蓬勃發展的非平衡統計力學有著深刻的關係。


黎璧賢近十年來,著重於生物數學模型的研究,像是心臟系統的動力學、非平衡統計物理的隨機熱力學、複雜網絡的優化及衍生問題、細胞內分子馬達的動力學等,部分研究有益於生命科學及醫學發展,與物理及複雜系統相關的研究,則對處理大數據,或深入了解埋藏在海量數據後面,所隱藏的根本原理有所幫助。


2024諾貝爾物理學獎:人工智慧和機器學習的嶄新發現


其中,黎璧賢對神經元細胞的動力學模型、複雜(抽象)網路動力學、網路對外在及內在因素改變的反應、複雜網路優化連結與機器學習的關係等研究,與2024年諾貝爾物理學獎兩位得主研究有所呼應。2024年諾貝爾物理學獎表彰John Hopfield和Geoffrey Hinton兩位在人工智慧和機器學習上的奠基與發明,黎璧賢表示,近代人工智慧主要建立在利用人工神經網路的機器學習方法,而人工神經網絡奠基於物理中的統計力學和複雜系統的共同效應,而神經網絡早期的原形模型就是Hopfield在1982年所提出,Hopfield在80年代提出了以簡單循環神經網路為基礎的聯想記憶模型,稱為Hopfield網絡,顯示了大量神經元的集體現象如何產生「計算」能力,顯示出從事神經網絡研究與統計物理息息相關。


Hinton則利用Hopfield網絡發展出玻爾茲曼機(Boltzmann Machine, BM)和限制玻爾茲曼機(Restricted BM),推動了深度學習的發展。Hinton利用類似溫度的參數,把Hopfield的神經網絡模型隨機化,同時使用統計物理中類似自旋模型的工具,來進行電腦模擬或分析。RBM在大量數目神經元的人工網絡中及使用多層網絡深度學習的架構下,使得學習效率大幅提高。這次諾貝爾獎的頒發,特別強調物理學在人工神經網路發展中所產生的驅動作用,展示其在科學技術領域的廣泛應用和重要性。肯定了人工神經網路不僅可以模仿記憶和學習功能,還能從大量數據中識別並生成新的模式,推動嶄新的科學發現。


理解資料分析原理,而非盲目的使用機器學習


黎璧賢長年的研究,與2024年諾貝爾物理學獎兩位得主Geoffrey Hinton、John Hopfield有著部分的關聯性。例如,黎璧賢研究過真實的神經元細胞的動力學模型、較為抽象的複雜網路上的動力學問題,以及研究複雜網路優化等問題,對於機器學習的效率有一定的見解。黎璧賢認為,從他的角度來看,2024諾貝爾物理學意義,在於簡化的基礎理論或物理模型往往看來好像不夠真實,但事實上,可以對物理學與其他科學領域產生深遠的發展和影響,甚至對人類的日常生活的科技,有著革命性的影響。尤其對當代學術界來說,機器學習的方法儼然成為科研界不可或缺的分析工具,特別在大數據,海量數據氾濫的時代,科學家們勢必得借用機器學習的力量,幫助分析數據背後所隱藏的物理原理。但是身為物理學家,黎璧賢也期許大家深入理解數據背後的原理,而不是盲目的使用機器學習來記錄或代表物理現象,不要對其過度依賴。


跨領域合作,更需虛心交流學習


最後,黎璧賢特別鼓勵有心從事學術研究的後進,從事學術研究最重要的精神,就是要堅持、有毅力,碰到失敗,或者遇到搞不清楚、弄不明白的地方,要明白這只是其中一個進程,只要有信念,最終一定可以釐清隱藏在背後的物理或科學原理。黎璧賢特別以過來人的經驗分享,一般來說,往往越困難的問題,背後就有著更深遠的科學意義或是重要性,因此黎璧賢時常鼓勵自己與學生「生活,就是不停頓的自我學習」。


尤其在從事跨領域的研究時,往往需要與不同領域的研究人員協力合作,此時,更需要不怕與行外人溝通的挫折,同時掌握高度自我學習的能力,具備深入了解其他領域的熱忱。由於訓練背景、關注的問題重點不同,需要彼此了解不同領域所使用的語言,以及各自關心的重要的議題,虛心與其他領域的研究人員學習、交流,大家一起攜手合作,共同解決科學上重要的議題,跨領域的合作精神是一件特別重要的事,也是2024年諾貝爾物理學所表彰的意義所在。