我不认识的诺贝尔获奖作家韩江

前段时间听书听得多了，把耳机的声音放得太大，耳朵很难受，看资料说耳膜里的突触或绒毛什么的，被噪音损伤之后是不可逆的，听力也就下降了。

如果听力受损，就是在得不偿失了，所以决定要减少听书的时间，改成尽量抽出完整时间回归阅读吧，如果没有时间也没关系，人一旦过了青春期，阅读不会提高智商，也不会让人致富，也不是什么不可或缺的事情。

这两天颁诺贝尔奖，物理学奖给了John J.Hopfield和Geoffrey E.Hinton，这两个名字我都很陌生，也记不住，但因为最近都有在看关于AI的书籍，知道后者就是所谓的AI教父，这两人得奖的原因说的是：为类神经网络的机器学习奠定基础。

抱着学习和跟上世界发展的心态，我又看了一些资料，发现还不算难懂（如果不是我理解错了的话），也解了一些疑惑，比如之前我常常疑惑机器是如何模仿人脑记忆的？

人脑的记忆方式和信息处理方式，应该是还没有办法完全模仿，但还是有规律可循的，比如人脑会关联性记忆，当我用语言描述某一个人的特性给女儿听，比如说一个留着胡子的矮胖中年男子，话没说完，她就会立即猜出来是她爸爸。这种举一反三和推理的能力，人类很小就掌握了，非常灵巧。

从生物学上解释，那就是人的记忆不是储存在大脑某个特定区域的，而是存于无数神经元交织出来的突触网络。那这样在物理学上就可以解构它，Hopfield的理解是，把磁性自旋粒子想象为人类的神经元，那粒子与粒子之间的相互作用就可以视为突触链接了。他可以用物理方法模拟人脑的生物记忆方法。

自旋粒子，会有两个状态，向上旋或者向下旋，两个相邻的粒子之间的连接能量，那就会因为不同的自旋方向有不同的数值，这样就可以计算一个自旋系统的总能量了。

有了能量值，机器进行记忆和关联记忆就有可能了，机器每学习一件事情，系统内的自旋粒子都会有其独特的连接组合，反映在网络的总能量中，机器的这个记忆过程，就是趋向系统能量最低最稳定的状态，依据这种原理建构出物理的类神经元网络，它便具有关联性记忆，你给它一个残缺的影像，它也能从已经储存的记忆中找到最接近的配对，重组出完整的影像。

诺贝尔奖一般评选的原则是技术所产生的广泛影响力，那这个技术得奖就很合理，它可以被广泛应用到脸部识别和医疗分析、无人汽车导航等等这些日常使用中，影响无远弗届。

不过，今天好像又颁了文学奖，又是一个我没有了解过的作家。

甚至我已经很久不看文学作品了，毕竟人类走到今天这个进程，文学固然还是必要，但已经不是最重要的东西了，生物与化学物理，哪怕经济学，对人类的贡献都更值得关注，已经很久没有听说有什么文学作品值得全世界传颂，但是一本《贫穷的本质》却可以卖到全世界并让无数人关注这个议题。

文学在AI的时代，更像一个美丽的花篮，像是诺贝尔的一个装饰品，放着好看，但作家们自己已经做不到流行，更无法像从前一样，带给人文字的冲击力与现实的改变力量。

其实诺贝尔文学奖这种国际性奖项，有多大的功劳应该是属于翻译者的呢？

韩江作品被赞扬“充满诗意”，这个诗意，如果不是翻译很厉害，一群欧洲人是怎么感受到的呢。

这种依赖语言的艺术，几乎完全依赖于文字的翻译和内容的普适和平衡，实在难以表现得公平。

但其他的奖项就没有这个问题。

———————2024.10.10