本文已根据 Science X 的编辑流程和政策进行审阅。编辑们在确保内容可信度的同时强调了以下属性：
经过事实核查
信誉良好的新闻机构
校对
人工智能已经颠覆了银行、金融、电影和新闻等行业，科学家们正在研究人工智能如何彻底改变他们的领域，甚至赢得诺贝尔奖。
2021年，日本科学家北野弘明提出了他所谓的“诺贝尔图灵挑战”，邀请研究人员在2050年之前创造出一位能够自主开展足以获得诺贝尔奖的研究的“人工智能科学家”。
一些科学家们已经在努力创造一位值得获得诺贝尔奖的人工智能同事，今年的获奖者将于 10 月 7 日至 14 日之间公布。
事实上，已经有大约 100 名“机器人科学家”瑞典查尔姆斯大学机器智能教授罗斯·金 (Ross King) 表示。
2009 年，金发表了一篇论文，在论文中，他和一群同事介绍了“机器人科学家亚当”，这是第一台能够制造机器人的机器。金告诉法新社：“我们建造了一个机器人，它可以自行发现新科学，产生新颖的科学想法，并对它们进行测试并确认它们是正确的。”机器人被设置为自主形成假设，然后设计实验来测试这些假设。
它甚至会对实验室机器人进行编程来执行这些实验，然后从过程中学习并重复。
“亚当”的任务是探索酵母的内部运作，并发现了生物体中以前未知的“基因功能”。
在论文中，机器人科学家的创建者指出，虽然这些发现“适度”，但也“不平凡”。
后来，第二位名为“夏娃”的机器人科学家被设立来研究疟疾和其他疾病的候选药物。热带疾病。
根据 King 的说法，与普通人类科学家相比，机器人科学家已经具有多个优势。
“做科学研究的成本更低，他们 24/7 工作，”他解释说，并补充说，他们也更加勤奋地记录过程的每一个细节。
同时，King 承认人工智能距离获得诺贝尔奖的科学家还很远。
>
为此，他们需要“更加聪明”并且能够“理解更大的图景”。
Inga Strumke，同事挪威科技大学教授表示，目前科学界是安全的。
“科学传统短期内不会被机器接管，”她告诉法新社。
然而，Strumke 补充道，“并不意味着这是不可能的”，并补充说，“绝对”清楚的是，人工智能正在并将对科学的开展方式产生影响。
谷歌 DeepMind 开发的 AlphaFoldan AI 模型就是它已经投入使用的一个例子，该模型用于根据氨基酸预测蛋白质的三维结构。
“我们知道，之间存在某种关系。氨基酸和蛋白质的最终三维形状......然后我们可以使用机器学习来找到它，”Strumke 说。
她解释说，这种计算的复杂性对于
“我们拥有一台机器，可以做人类无法做到的事情，”她说。
同时，对于 Strumke 来说，AlphaFold 的案例也证明了这是当前人工智能模型（例如所谓的神经网络）的弱点之一。
它们非常擅长处理大量信息并得出答案，但不太擅长解释为什么这个答案是正确。
因此，尽管 AlphaFold 预测的超过 2 亿个蛋白质结构“非常有用”，但 Strumke 说，它们“并没有教给我们任何有关微生物学的知识”。
对她来说，科学旨在了解宇宙，而不仅仅是“做出正确的猜测”。
尽管如此，AlphaFold 所做的开创性工作让专家们将其背后的思想是诺贝尔奖的领跑者。
Google DeepMind 总监 John Jumper 以及首席执行官兼联合创始人 Demis Hassabis 已于 2023 年荣获享有盛誉的拉斯克奖。
密切关注潜在诺贝尔科学奖获得者的分析组织科睿唯安 (Clarivate) 于 10 月 9 日宣布，将这两人列为 2024 年化学奖候选人的首选。
该研究负责人 David Pendlebury小组承认，虽然 Jumper 和 Hassabis 于 2021 年发表的论文已被引用数千次，但诺贝尔奖评审团在发表后如此迅速地授予工作成果是不符合其性格的，因为大多数获奖的发现都可以追溯到几十年前。
与此同时，他相信用不了多久，人工智能辅助的研究就会赢得最令人垂涎的科学奖项。
“我确信在未来十年内诺贝尔奖将在某种程度上得到计算的帮助，而如今计算越来越多地是人工智能，”彭德尔伯里告诉法新社。
2024年法新社