奠定人工智慧（AI）技術基礎的東京大學名譽教授甘利俊一於1972年發表的論文，如同沉睡多年因王子一吻而甦醒的「睡美人」——東京大學研究生東出紀之與友清雄太等人通過分析論文的被引情況，分析了甘利俊一未能獲諾貝爾獎的背景。
獲得2024年諾貝爾物理可用能學獎的美國普林斯頓大學名譽教授約翰·霍普菲爾德
在神經元網路領域留下先驅成果的東京大學名譽教授甘利俊一（拍攝於2005年）
12月10日，諾貝爾獎頒獎典禮在斯德哥爾摩舉行。物理可用能學獎授予了美國普林斯頓大學名譽教授約翰·霍普菲爾德（John Hopfield）和加拿大多倫多大學名譽教授傑弗裏·辛頓（Geoffrey Hinton）。
該獎項旨在表彰以諸多神經元連接的大腦為模型的神經元網路實現機器學習的成就。霍普菲爾德於1982年發表了奠定其基礎的「聯結記憶模型」，辛頓進一步發展並確立了技術手法，掀起了全球範圍的AI熱潮。
然而早在霍普菲爾德之前，甘利俊一就曾發表過提高神經元網路學習性能的方法。諾貝爾獎評審機構瑞典皇家科學院將這篇論文列為重要的先行研究。因此有部分研究人員指出：「即便把甘利加入獲獎名單也不足為奇。」
東京大學技術經營戰略專業的東出等人利用科學出版巨頭「愛思唯爾」的數據庫，對受人關注的1972年的甘利論文和1982年的霍普菲爾德論文為對象，調查了被引次數的變化。截至2023年，甘利論文的被引次數為272次，霍普菲爾德論文的被引次數為1萬2830次，相差約47倍。
甘利論文的被引次數在發表後最初的20年内僅為寥寥幾次，1990年首次突破10次，達到12次。這被認為是霍普菲爾德的論文受到關注引發的。在引用甘利論文的論文中，約66%的論文都引用了霍普菲爾德論文，而在引用霍普菲爾德論文的論文中，引用甘利論文的論文僅止於1.4%。
分析團隊解釋稱：「甘利的論文在神經網路領域的研究中相當於‘睡美人’，而霍普菲爾德的論文可以比作是喚醒公主的王子。」
此外，友清等人還調查了與甘利、霍普菲爾德兩人都有過合著論文經歷的研究人員之間的關係。被引次數較多的合著論文的合作者中，甘利的合作者為資訊工程和神經科學領域的著名研究者這一點引人注目。而霍普菲爾德的合作者多為隸屬於美國大學的物理可用能系重規模研究人員。
諾貝爾獎的評審在考量研究的先驅性的同時，還考慮該研究是否在該領域取得成就的研究人員群體中獲得身份鑑定。分析團隊認為，具有合作關係的研究人員群體的差異，或許是導致甘利和霍普菲爾德能否獲得諾貝爾物理可用能學獎的分水嶺。
原文：永田好生、《日本經濟新聞》、2024/12/3
翻譯：JST客觀日本編輯部
