吴清 10月7日至14日，2024年诺贝尔奖6个奖项陆续揭晓。其中，诺贝尔物理学奖于10月8日揭晓，获奖者为约翰·J.霍普菲尔德（John J. Hopfield）和杰弗里·E.辛顿（Geoffrey E. Hinton）获奖理由是“基础发现和发明，使利用人工神经网络实现机器学习成为可能”。诺贝尔化学奖于10月9日揭晓，华盛顿大学西雅图分校的大卫·贝克（David Baker）因“计算蛋白质设计”而获奖，英国伦敦谷歌DeepMind的德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John Jumper）也因“蛋白质结构预测”同时获奖。
如果要问2024年诺贝尔物理学奖、化学奖的最大赢家是谁，毫无疑问，答案应为人工智能（AI）。因为在今年诺贝尔物理学奖和化学奖的五位获奖者中，霍普菲尔德、辛顿、哈萨比斯、江珀四位均是人工智能领域的顶尖科学家，而贝克除了有生物化学家的身份之外同样也有计算生物学家的身份。这一结果不仅令物理学界、化学界很多专家、学者感到意外，而且在社交媒体引发社会大众的激烈争论：自然科学的两项诺贝尔奖颁给这么多AI专家“合理”吗？
AI科学家成为获奖者，也让2024年的诺贝尔奖格外“出圈”。那么，今年的诺贝尔奖缘何“偏爱”AI科学家？AI是否是自然科学向前发展与突破瓶颈的“新利器”？人工智能是否在加快“取代”人类？
AI成诺贝尔奖“大赢家”
“难道计算机科学也归到物理学领域了吗？”“物理学不存在了。”正在国内知名高校攻读物理学博士学位的李燃（化名）向《中国经营报》记者讲述了他和导师及同学在听到诺贝尔物理学奖、化学奖颁给AI科学家时的疑惑与意外。与此同时，李燃也坦言，AI作为一种工具，对基础科学研究具有重要作用，科研人员或者从业者掌握AI工具及应用是非常必要的。
诺贝尔物理学奖、化学奖先后均授予人工智能科学家，这不仅令物理学、化学界人士感到意外，即使是获得诺贝尔物理学奖的辛顿，在接受多家美国媒体采访时也表示，对获奖“非常震惊”，“从来没有想到过这一点”。
辛顿是多伦多大学名誉教授，出生于1947年12月，被业内誉为“深度学习之父”，早在1986年就与合作者共同发表论文提出了“反向传播算法”，从2013年至2023年曾在谷歌领导深度学习研究工作。反向传播算法为训练人工智能多层神经网络提供了有效方法，支撑着如今几乎所有的神经网络——从计算机视觉系统到大语言模型，是深度学习领域的基石之一。值得一提的是，辛顿于2018年成为具有“计算界的诺贝尔奖”之称的图灵奖获得者之一。在辛顿看来，神经网络与机器学习未来将对人类的文明产生“巨大的影响”，“将与工业革命相媲美，但不会在体力上超越人类，而是在智力上超越人类”。
与辛顿一同获得诺贝尔物理学奖的霍普菲尔德，是美国普林斯顿大学的教授。他于1982年提出了著名的“霍普菲尔德网络”，这是一个早期的人工神经网络，尽管模型比较简单，但为后来更复杂的神经网络模型的发展奠定了基础。
获得诺贝尔化学奖的哈萨比斯、江珀，是谷歌DeepMind核心成员。哈萨比斯于2010年创立了人工智能技术公司DeepMind，4年后由谷歌以4亿美元收购，2016年DeepMind团队因开发的AlphaGo战胜了世界围棋冠军李世石而声名大噪，哈萨比斯也被称为“AlphaGo之父”。江珀今年仅39岁，于2017年10月加入DeepMind。2020年，江珀与哈萨比斯共同发明了AlphaFold 2系统——一种基于深度学习技术的蛋白质结构预测模型。得益于AlphaFold 2，AI能够预测研究人员已确定的几乎所有2亿种蛋白质的结构。截至目前，AlphaFold 2已经被来自190个国家的200多万人使用。
“诺贝尔物理学和化学奖结果，虽然是公众意料之外，却也是科技发展的‘情理之中’。”第四范式创始人、董事长戴文渊博士在接受本报记者采访时如是评价。他分析指出，1988年图灵奖获得者吉姆·格雷曾将科学发展归结为四个范式：第一范式是发现现象，如钻木取火；第二范式是发现规律，如经典物理学的三大定律；第三范式是计算机出现，可以计算规律，例如天气预报；而到了第四范式，人类则可以用人工智能从海量数据中发现现象、规律、理论，在这一阶段，AI会持续渗透至各个学科的研究之中，每个学科的研究方式和成果，都已经或即将被AI影响，物理和化学领域只是一个方面。
AI技术与科学交叉融合势不可当
需要说明的是，诺贝尔奖表彰跨越多个学科领域、进行交叉研究的成果并不是头一次。例如，2020年诺贝尔物理学奖的获得者之一罗杰·彭罗斯是一名数学家，他使用巧妙的数学方法证明黑洞确实可以形成，被认为是自爱因斯坦以来对广义相对论最重要的贡献之一；2021年诺贝尔物理学奖表彰的三名获奖者中的两位——真锅淑郎和克劳斯·哈塞尔曼严格意义是属于气象学家。
正如诺贝尔物理学委员会秘书乌尔夫·丹尼尔松所称，今年诺贝尔物理学奖并不是颁发给过去几年人工智能的发展，也不是针对大语言模型或类似东西，而是针对基础发明。物理学的原理为霍普菲尔德、辛顿两名科学家提供了思路，同时AI神经网络在物理学中也得到了广泛应用，从而催生新的惊人发现。另一名诺贝尔物理学委员会主席埃伦·穆恩斯在新闻发布会上也表示，两名获奖者利用统计物理的基本概念设计了人工神经网络，构建了机器学习的基础。相关技术已被用于推动多个领域的研究，包括粒子物理、材料科学和天体物理等，也已用于日常生活中的人脸识别和语言翻译等。
戴文渊指出，AI技术浪潮影响着几乎所有科学研究与行业领域，是否采用了AI、采用了什么样的AI、对AI的运用程度等因素，很可能会极大地影响不同学科的科学研究成果、不同产业的竞争格局，以及每个组织和个体的命运。学界、业界素来有“AI for Science”（用于科学的AI）的研究，各个学科都会被AI所影响，AI浪潮也会渗透到人类社会生活的方方面面，各产业在AI驱动下会全面进入数据科学应用时代。
思必驰联合创始人、首席科学家俞凯认为，今年诺贝尔奖对于AI for Science是一个重大的信号，既是对前一代经典的AI模型范式的肯定，也预示着人工智能时代的下一个阶段也会得到更多的重视。或许今后再去做科学研究，必须把AI融进去。
当谈及AI与人类关系时，俞凯提醒道：“AI和垂直领域的应用结合一直都是特别大的挑战。对于垂直领域的研究者、从业者，既需要去懂得AI的基础知识，又需要善于去利用AI的相关工具，尤其是需要和AI的研究者和从业者进行深度合作。所以我们现在这种跨领域的交叉合作，比如科研单位和基础工程平台的交叉合作，显得尤为重要。另外，在新的通用人工智能框架下进行科学研究，这个基础科学问题和工程应用的问题还没有彻底解决，这也需要国家相关部门加强关注，以及相关研究单位再进一步聚焦投入，这样才能在新的浪潮中，让中国在解决前沿问题和解决重大科研问题方面走在世界前列。”
总之，随着AI技术的不断进步，其在科学和工业领域的应用将更加广泛和深入。AI技术的普及和应用，不仅需要科研人员和从业者掌握相应的技能，还需要社会各界对AI技术的潜力和挑战有更深入的理解。
