2024年诺贝尔奖在自然科学领域的奖项已全部公布，人工智能技术及其应用“横扫”诺奖无疑是最大亮点。

8日颁发的诺贝尔物理学奖授予美国科学家霍普菲尔德（John Hopfield）和英国裔加拿大科学家欣顿（Geoffrey Hinton），以表彰他们在使用人工神经网络的机器学习方面的奠基性发现和发明。

次日颁发的诺贝尔化学奖颁发给了三位科学家，一位是美国华盛顿大学西雅图分校的贝克（David Baker），利用计算机软件Rosetta 设计了一种新的蛋白质。另一半化学奖则共同授予谷歌旗下DeepMind公司的哈萨比斯（Demis Hassabis）和江珀（John M. Jumper），他们开发的人工智能模型AlphaFold2解决了一个存在50年的问题：预测蛋白质的复杂结构。这项任务曾经需要几个月甚至几十年的时间，但像 AlphaFold 这样的人工智能模型可以在几个小时甚至几分钟内完成 。

诺贝尔奖的官方社媒账号也发起两则投票，强调人工智能与基础科学的互动，一则是：你知道机器学习的模型是基于物理方程的吗? 另一则是：你知道人工智能被用来研究蛋白质的结构吗?

2018年诺贝尔化学奖得主、加州理工学院化学工程教授阿诺德 (Frances Arnold) 表示：“人工智能正在改变我们进行科学研究的方式。它增强了我们探索以前难以解决的问题的能力。”

人工智能与基础科学相互“加油”

2024年诺贝尔物理学奖颁给了两位人工智能领域的科学家，这引起了外界热议。连欣顿本人都表示：“如果有计算机科学领域的诺贝尔奖，我们的工作显然更适合获奖。但是，没有这样的奖项。”

其实，这并非该奖项首次“跨界”。2021年，气候学家真锅淑郎和克劳斯·哈塞尔曼就因“建立地球气候的物理模型、量化其可变性并可靠地预测全球变暖”的相关研究而获得了诺贝尔物理学奖。

诺贝尔奖评奖委员会表示：“两位诺贝尔物理学奖得主利用物理学工具开发出的方法，为当今强大的机器学习奠定了基础。”

清华大学计算机系长聘教授、清华大学人工智能研究院视觉智能研究中心主任邓志东在接受第一财经记者采访时解释称：“在提出霍普菲尔德反馈神经网络的过程中，已大量使用能量函数、平衡态、吸引子、吸引域、样本记忆和样本容量等物理学概念和工具。欣顿在深度神经网络与误差反向传播算法的开创性基础研究中，也广泛使用诸如自动编码器（高维数据的压缩）、玻尔兹曼机、知识蒸馏和梯度下降等物理学启发。”

Meta 首席人工智能科学家杨立昆（ Yann LeCun）表示，尽管霍普菲尔德网络和玻尔兹曼机并未被现代人工智能技术所采用，但现代科技深受霍普菲尔德和欣顿早期与物理相关的发明的影响。

同时，诺贝尔委员会也强调了人工神经网络在物理学领域的应用，比如设计新材料、处理来自粒子加速器的大量数据并帮助探索宇宙。

邓志东表示：“物理学启发人工智能，或人工智能赋能物理学发展，两者之间的交互与跨界融合，是一种发展非传统物理学与人工智能的全新视角，也是两个领域研究范式的一场革命。此次诺贝尔物理学奖颁发给了两位人工智能领域的杰出贡献者，是非常富有远见的。”

今年诺贝尔奖化学奖的结果也让科学家们备受鼓舞。

伦敦国王学院分子生物物理学教授艾萨克森（ Rivka Isaacson）表示：“我很高兴听到今年的诺贝尔化学奖颁给了蛋白质设计和令人惊叹的 AlphaFold 蛋白质预测器。它为那些研究人体基础科学的人打开了分子形状的世界，希望能够创造出治疗疾病的可能方法。”

他表示，AlphaFold 允许人们通过了解组成蛋白质的化学珠（chemical beads）的顺序来预测蛋白质的形状和相互作用。这使研究人员能够研究它们与健康和疾病之间的关系，以及哪种药物可能与它们一起起作用。

美国化学学会会长卡罗尔（Mary Carroll）表示，这个结果表明化学领域可能将涉及更多的计算研究，这可能会提高化学研究的效率，同时使科学家减少对实验室工作的依赖。

“计算工作就是实验工作，只是一种不同的工作而已。”她表示，“我认为这是化学的一个方向。”

下一步发展趋势

面对人工智能的安全性，上述几位诺贝尔奖得主的态度则有些不同。

被誉为“人工智能之父”的辛顿去年5月宣布从谷歌离职，以便能自由地谈论人工智能的危险。 他表示，获得诺贝尔奖可能意味着人们会更加重视他，以及他对未来风险的警告。

他曾表示对自己所做工作感到“后悔”，并多次表达他对人工智能发展的担忧。在得奖后他称：“在同样的情况下，我还会再次这样做，但我担心，这种情况的总体后果可能是比我们更聪明的系统最终会掌控一切。”

而哈萨比斯则表现得更为乐观，他今年初曾表示：“我们已经谈了很多关于风险的问题，但我认为我们应该拥抱机遇。”

“如果我们聪明的话，我们可以把人工智能作为解决方案的一部分。”他称，“如果我们以一种负责任的方式使用它，我认为它可以帮助我们应对当今社会面临的许多挑战。比如我们的医疗系统，让它们更有效率，帮助应对气候变化，新技术，融合，以及其他可以应用人工智能的事情。”

而创造和预测蛋白质的重大突破也让科学家们担心这项技术可能被用来制造新的病毒或有毒物质，用于生物攻击。今年90多名科学家签署了协议，以规范制造新生物武器所需的设备，以确保他们的人工智能研究不会造成伤害，贝克也在其中。

邓志东表示：“自2022年11月30日ChatGPT问世不到两年，以大型语言模型为代表的生成式人工智能日新月异，各种新思想、新成果、新进展层出不穷，其主要进展与未来发展前景已超出许多人的预期，已有很多理由对AI的发展潜力和安全性表示担忧。”

他进一步分析称，“好的方面是，最新发布的OpenAI o1的复杂逻辑推理能力，据评测智商已达到120，已可开始赋能许多决策支持领域，如辅助医疗诊断与决策等。多模态大语言模型、世界模型与交互式智能体的发展，已在全球范围内形成研发热点，已开始作用于真实物理空间中的人形机器人与自动驾驶等，让人类的梦想成真，这也体现了AI未来的发展趋势。”