奠定人工智能（AI）技术基础的东京大学名誉教授甘利俊一于1972年发表的论文，如同沉睡多年因王子一吻而苏醒的“睡美人”——东京大学研究生东出纪之与友清雄太等人通过分析论文的被引情况，分析了甘利俊一未能获诺贝尔奖的背景。
获得2024年诺贝尔物理学奖的美国普林斯顿大学名誉教授约翰·霍普菲尔德
在神经元网络领域留下先驱成果的东京大学名誉教授甘利俊一（拍摄于2005年）
12月10日，诺贝尔奖颁奖典礼在斯德哥尔摩举行。物理学奖授予了美国普林斯顿大学名誉教授约翰·霍普菲尔德（John Hopfield）和加拿大多伦多大学名誉教授杰弗里·辛顿（Geoffrey Hinton）。
该奖项旨在表彰以诸多神经元连接的大脑为模型的神经元网络实现机器学习的成就。霍普菲尔德于1982年发表了奠定其基础的“联想记忆模型”，辛顿进一步发展并确立了技术手法，掀起了全球范围的AI热潮。
然而早在霍普菲尔德之前，甘利俊一就曾发表过提高神经元网络学习性能的方法。诺贝尔奖评审机构瑞典皇家科学院将这篇论文列为重要的先行研究。因此有部分研究人员指出：“即便把甘利加入获奖名单也不足为奇。”
东京大学技术经营战略专业的东出等人利用科学出版巨头“爱思唯尔”的数据库，对受人关注的1972年的甘利论文和1982年的霍普菲尔德论文为对象，调查了被引次数的变化。截至2023年，甘利论文的被引次数为272次，霍普菲尔德论文的被引次数为1万2830次，相差约47倍。
甘利论文的被引次数在发表后最初的20年内仅为寥寥几次，1990年首次突破10次，达到12次。这被认为是霍普菲尔德的论文受到关注引发的。在引用甘利论文的论文中，约66%的论文都引用了霍普菲尔德论文，而在引用霍普菲尔德论文的论文中，引用甘利论文的论文仅止于1.4%。
分析团队解释称：“甘利的论文在神经网络领域的研究中相当于‘睡美人’，而霍普菲尔德的论文可以比作是唤醒公主的王子。”
此外，友清等人还调查了与甘利、霍普菲尔德两人都有过合著论文经历的研究人员之间的关系。被引次数较多的合著论文的合作者中，甘利的合作者为信息工程和神经科学领域的著名研究者这一点引人注目。而霍普菲尔德的合作者多为隶属于美国大学的物理系重量级研究人员。
诺贝尔奖的评审在考量研究的先驱性的同时，还考虑该研究是否在该领域取得成就的研究人员群体中获得认可。分析团队认为，具有合作关系的研究人员群体的差异，或许是导致甘利和霍普菲尔德能否获得诺贝尔物理学奖的分水岭。
原文：永田好生、《日本经济新闻》、2024/12/3
翻译：JST客观日本编辑部
