今年诺贝尔物理学奖、化学奖都授予了人工智能领域的科学家，让很多人直呼“没想到”。诺奖为何青睐人工智能？对我国科研人员有何启示？

　　“今年诺贝尔奖的AI元素很多，充分反映出瑞典皇家科学院评审专家希望主动拥抱AI时代的工作逻辑。”复旦大学智能复杂体系实验室主任、上海数学中心谷超豪研究所长聘教授林伟说，“过去10年，我们亲身经历了科学研究范式巨大的、颠覆性变革，人工智能和大数据在赋能千行百业的过程中，也在赋能科学前沿。”

　　他说，随着大数据、人工智能的兴起，科学界正突破传统的实验、理论、计算研究范式，利用新一代信息技术，开展面向超大规模、动态复杂系统的“清、准、全、精”一体化集成、联动和计算，形成了当今科技创新的典型范式——AI for Science（科学智能）和AI for Social Science（社会科学智能）。

　　所谓AI for Science，是指利用人工智能的技术和方法，学习、模拟、预测和优化自然界的各种现象和规律，从而推动科学发现和科技创新。它不仅能帮助科学家解决已有的问题，还能帮助科学家发现新的问题和方向。AI for Social Science是将这种研究范式应用于社会科学领域。

　　今年摘得诺贝尔化学奖的德米斯·哈萨比斯和约翰·江珀，带领团队开发的“阿尔法折叠2”（AlphaFold 2）人工智能系统，就是“科学智能”研究范式的经典案例。他们将人工智能技术应用于“蛋白质三维结构预测”这一世界难题，让“阿尔法折叠2”的预测准确率基本达到了科研人员的实验测定水平。

　　复旦大学复杂体系多尺度研究院院长马剑鹏说，虽然“阿尔法折叠2”和“阿尔法折叠3”并未完全解决蛋白质折叠问题，但它给科学界带来了启示：可以通过数据驱动，将人工智能应用于更多的科研领域，让AI助手破解各种难题。

　　马剑鹏表示，要重视培育企业的“大兵团作战”能力。近年来，“阿尔法折叠2”和ChatGPT等人工智能重大成果大多诞生于企业，体现在“大兵团作战”方面，企业优于高校、科研院所“小团队”的特点。在领军人物的带领下，企业能集聚更多人才和资源，有望在AI时代取得更大突破。

　　如果说，诺贝尔化学奖得主为“科学智能”研究范式提供了成功案例，那么，两位诺贝尔物理学奖得主正是为这一范式奠定了基础。

　　林伟告诉记者，人类渴望了解自己的“内部宇宙”，想知道智能是如何产生的，以及如何通过人为的系统设计生成“机器智能”。在这个探索过程中，一些研究智能的科学家关注神经网络，通过开发人工神经网络，研究人类的记忆模式存储机理和记忆联想演化规律。摘得今年诺贝尔物理学奖的约翰·霍普菲尔德和杰弗里·辛顿，就是在人工神经网络领域作出了贡献。

　　“诺贝尔物理学奖授予统计物理学家霍普菲尔德，表明AI的基础与统计物理学有很深的渊源。”马剑鹏指出，是他奠定了人工神经网络的基本架构，可见基础研究的重要价值。