Nobelpreis für Physik 2024

Der Nobelpreis für Physik 2024 ging an John J. Hopfield und Geoffrey E. Hinton – nach der Begründung der Königlich Schwedischen Akademie der Wissenschaften für grundlegende Entdeckungen und Erfindungen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen. Die Vergabe wurde am 8. Oktober 2024 bekanntgegeben.

Zusammenfassung

Die Entscheidung war überraschend, weil sie ein Gebiet auszeichnete, das gemeinhin der Informatik zugerechnet wird. Die Akademie begründete den Bezug damit, dass beide Preisträger Werkzeuge der Physik verwendet hätten, um die Verfahren zu entwickeln.

Hopfield wurde für das nach ihm benannte Hopfield-Netzwerk von 1982 geehrt – einen assoziativen Speicher, dessen Verhalten sich mit der Energiefunktion eines Spinglases beschreiben lässt.

Hinton wurde für die Boltzmann-Maschine geehrt, die er auf dieser Grundlage entwickelte und die Verfahren der statistischen Physik nutzt, um Verteilungen zu lernen statt Muster zu speichern.

Die Vergabe löste eine Auseinandersetzung aus, die über die Personen hinausging: darüber, was Physik ist, wem eine Entwicklung zuzurechnen ist und ob ein Preis für eine Technik angemessen ist, deren Folgen einer der Preisträger selbst für gefährlich hält.

Begriffsgeschichte

Beide ausgezeichneten Arbeiten stammen aus den 1980er Jahren – einer Zeit, in der neuronale Netze als Randgebiet galten und kurz darauf in eine jahrzehntelange Phase geringer Aufmerksamkeit gerieten.

Hopfields Aufsatz erschien 1982, die Arbeiten zur Boltzmann-Maschine von Hinton, David Ackley und Terrence Sejnowski 1985. Beide setzten Begriffe der statistischen Physik ein: Energie, Temperatur, Gleichgewichtsverteilung.

Die praktische Wirkung entfaltete sich erst Jahrzehnte später und über Umwege. Weder das Hopfield-Netzwerk noch die Boltzmann-Maschine sind in heutigen Systemen enthalten; ihr Beitrag liegt in der Vorgeschichte.

Hinton hatte im Jahr vor der Preisvergabe öffentliche Aufmerksamkeit erlangt, weil er im Mai 2023 seine Stelle bei Google aufgab, um frei über die Risiken der Technik sprechen zu können.

Die Preisvergabe fiel damit in einen Zusammenhang, in dem einer der Geehrten die Entwicklung, für die er ausgezeichnet wurde, öffentlich als möglicherweise existenzgefährdend bezeichnete.

Methodische Grundlagen

Die physikalische Anleihe. Beide Modelle beschreiben ein System aus vielen einfachen, wechselwirkenden Einheiten über eine Energiefunktion. Diese Betrachtungsweise stammt aus der Untersuchung magnetischer Materialien mit ungeordneter Struktur.

Hopfields Beitrag. Der Nachweis, dass ein rückgekoppeltes Netz mit symmetrischen Verbindungen stets in einen stabilen Zustand läuft, weil eine Energiegröße bei jedem Schritt abnimmt.

Hintons Erweiterung. Die Boltzmann-Maschine fügt Zufall hinzu: Zustände werden nicht deterministisch, sondern mit einer temperaturabhängigen Wahrscheinlichkeit angenommen. Damit lernt das Netz eine Verteilung statt einzelner Muster.

Verborgene Einheiten. Die Erweiterung führte Einheiten ein, die weder Ein- noch Ausgabe sind. Sie erlauben es, Zusammenhänge darzustellen, die sich nicht unmittelbar an den Daten ablesen lassen – ein Vorläufer der verborgenen Schichten heutiger Netze.

Beschränkte Fassung. Praktisch verwendbar wurde die Boltzmann-Maschine erst in einer eingeschränkten Form, bei der Verbindungen innerhalb einer Schicht entfallen. Diese diente in den 2000er Jahren zur schichtweisen Vorbereitung tiefer Netze.

Anwendungsfelder

Historische Bedeutung. Die ausgezeichneten Verfahren sind in heutigen Systemen nicht enthalten. Ihre Wirkung liegt darin, dass sie das Feld anschlussfähig machten.

Physikalische Verfahren im maschinellen Lernen. Der Zugang über Energiefunktionen prägt bis heute die Theorie – etwa in der Rede von Fehlerlandschaften, lokalen Minima und Phasenübergängen beim Lernen.

Maschinelles Lernen in der Physik. Die Rückrichtung ist inzwischen bedeutender: Neuronale Netze werden in der Teilchenphysik, der Astronomie und der Materialforschung eingesetzt. Manche Beobachter halten dies für die überzeugendere Begründung des Preises.

Wirkung auf die Wahrnehmung. Die Auszeichnung veränderte die öffentliche Einordnung des Feldes: von einer Ingenieursdisziplin zu einem Gegenstand, der Grundlagenforschung zugerechnet wird.

Kontroversen und Kritik

Ist das Physik? Der häufigste Einwand. Kritiker sehen eine Ausweitung des Preisgebiets, die den Stifterwillen strapaziert. Verteidiger verweisen darauf, dass die Methoden aus der Physik stammen und dass das Nobelkomitee auch früher schon Grenzgebiete ausgezeichnet hat.

Übergangene Vorarbeiten. Nach der Bekanntgabe wurde verstärkt auf Arbeiten von Shun-ichi Amari aus den 1970er Jahren verwiesen, die wesentliche Elemente vorwegnehmen. Jürgen Schmidhuber hat die Zurechnung öffentlich und ausführlich bestritten.

Die Zurechnungsfrage allgemein. Der Preis kann höchstens drei Personen ehren. Bei einer Entwicklung, an der über Jahrzehnte Hunderte beteiligt waren, erzeugt diese Regel notwendig eine Verkürzung.

Ehrung und Warnung. Dass ein Preisträger die ausgezeichnete Entwicklung für gefährlich hält, ist ohne Vorbild. Hinton nutzte die Pressekonferenz, um vor den Folgen zu warnen – was von manchen als angemessene Nutzung der Aufmerksamkeit, von anderen als Widerspruch gelesen wurde.

Zeitgleiche Vergabe in Chemie. Der Chemie-Nobelpreis desselben Jahres ging teilweise an Demis Hassabis und John Jumper für die Proteinstrukturvorhersage. Dass zwei von drei naturwissenschaftlichen Preisen in einem Jahr an KI-nahe Arbeiten gingen, verstärkte den Eindruck einer bewussten Setzung.

Was die Vergabe markiert

Unabhängig von der Frage, ob die Auszeichnung fachlich richtig zugeordnet ist, markiert sie einen Übergang.

Ein Nobelpreis ehrt gewöhnlich Arbeiten, deren Bedeutung feststeht – oft Jahrzehnte nach ihrer Entstehung, wenn sich die Folgen überblicken lassen. Diese Bedingung ist hier auf ungewöhnliche Weise erfüllt und verfehlt zugleich: Die Arbeiten sind vierzig Jahre alt, ihre Folgen aber gerade erst im Entstehen.

Bemerkenswert ist außerdem, was ausgezeichnet wurde. Nicht ein Naturgesetz und nicht eine Messung, sondern eine Betrachtungsweise – die Übertragung eines physikalischen Formalismus auf einen Gegenstand, der nicht physikalisch ist.

Damit ehrt der Preis eine Form von Arbeit, die in keiner Disziplin ganz zu Hause ist: den Transfer eines Werkzeugs über eine Fachgrenze hinweg. Dass die Zuordnung dieser Arbeit zu einem Fach umstritten ist, liegt in ihrer Natur – sie besteht gerade darin, die Zuordnung zu überschreiten.

Quellenangaben

Ackley, David H. / Hinton, Geoffrey E. / Sejnowski, Terrence J., 1985. A Learning Algorithm for Boltzmann Machines. In: Cognitive Science 9 (1), S. 147–169. DOI: 10.1207/s15516709cog0901_7.
Hopfield, John J., 1982. Neural Networks and Physical Systems with Emergent Collective Computational Abilities. In: Proceedings of the National Academy of Sciences 79 (8), S. 2554–2558. DOI: 10.1073/pnas.79.8.2554.
The Royal Swedish Academy of Sciences, 2024. The Nobel Prize in Physics 2024. Pressemitteilung, 8. Oktober 2024. nobelprize.org.

← Zurück zur Lexikon-Übersicht

Zuletzt bearbeitet: 10. August 2026

Zusammengestellt, formuliert, lektoriert und korrigiert mit KI-Unterstützung. Kuratiert von Nils Brauer. Alle Angaben ohne Gewähr.