AI获得诺贝尔奖：双料得主引发关于科学领域的辩论

诺贝尔委员会在今年的两个奖项中认可了人工智能（AI）变革性的力量——表彰获得物理奖的神经网络先驱，和开发计算工具以研究和设计蛋白质的开发者但并非所有研究人员都感到高兴。

斯德哥尔摩瑞典皇家科学院揭晓今年物理学诺贝尔奖得主几分钟后，社交媒体上就开始热议起来，几位物理学家争论说，与获奖者杰弗里·欣顿和约翰·霍普菲尔德所表彰的机器学习相关的科学实际上并不属于物理学。

化学诺贝尔奖授予开发AlphaFold人工智能的研究人员，该AI能预测蛋白质结构

“我无语了。我对机器学习和人工神经网络和其他人一样感兴趣，但很难看出这是一项物理学发现，”伦敦帝国理工学院的天体物理学家乔纳森·普里查德说道。在社交媒体平台X上写道“猜诺贝尔奖受到了人工智能热潮的影响。”

加拿大多伦多大学的辛顿和新泽西州普林斯顿大学的霍普费尔德的研究“属于计算机科学领域”，德国慕尼黑数学哲学中心的物理学家萨宾·豪森菲尔德说。“每年的诺贝尔奖都是物理学——以及物理学家们——难得的一次亮相机会。这是朋友们和家人想起他们认识一位物理学家，并且可能去问这位物理学家今年诺贝尔奖是什么的时候。但不是今年。”

汇聚各领域专家学者

然而，并非所有人都感到困扰：许多物理学家欢迎这一消息。“霍普费尔德和欣顿的研究是跨学科的，结合了物理学、数学、计算机科学和神经科学。”马萨诸塞州哈佛大学的理论物理学家马特·斯特拉斯勒说。“从这个意义上说，它属于所有这些领域。”

安尼尔·阿南达斯瓦米，一位位于加利福尼亚伯克利的科学作家，以及《》一书的作者机器为何学习（2024年）指出，尽管诺贝尔委员会引用的研究可能并非严格意义上的理论物理学，但它根植于物理技术与概念之中，如能量。亨顿发明的玻尔兹曼机和霍普菲尔德网络“都是基于能量的模型”，他说。

机器学习先驱荣获物理学诺贝尔奖

在机器学习的后续发展中，与物理学的联系变得更加松散，阿南塔斯瓦米补充道，特别是在使神经网络更容易训练的“前馈”技术中。但物理思想正在卷土重来，并帮助研究人员理解日益复杂的深度学习系统是如何工作的。“我们需要用我们在物理学中的思维方式来研究机器学习，”瑞士洛桑联邦理工学院研究计算统计物理学的莱娜卡·兹德博罗娃说。

“我认为诺贝尔物理学奖应该继续扩展到物理学知识的更多领域，”罗马萨皮恩扎大学的物理学家吉奥吉·帕里西说。分享了2021年物理学诺贝尔奖“物理学变得越来越广泛，包含了过去不存在或不属于物理学的许多知识领域。”

不仅仅是人工智能

计算机科学似乎在物理学奖宣布的第二天就开始了它的诺贝尔奖接管，当Demis Hassabis和John Jumper，AlphaFold的联合创造者，被提及的时候，这种情况变得更加明显。AlphaFold，一种用于蛋白质折叠预测的人工智能工具，在伦敦的谷歌深度思维获得了化学诺贝尔奖的一半。（另一半被颁发给西雅图华盛顿大学的David Baker，以表彰他在不涉及机器学习的蛋白质设计方面的工作。）

伦敦大学学院的生物信息学家戴维·琼斯表示，该奖项既是对人工智能颠覆性力量的认可，也是对结构和计算生物学领域稳步积累的知识成果的认可。他与DeepMind合作开发了AlphaFold的第一个版本。“我不认为AlphaFold涉及任何根本性的科学变化，这些变化在之前并不存在，”他说，“这只是因为它被如此无缝地整合和构思，从而使得AlphaFold能够达到那样的高度。”

这五个科学领域获得诺贝尔奖最多

例如，AlphaFold的一个关键输入是来自不同生物的相关蛋白质的序列，这些序列可以用来识别倾向于共进化的氨基酸对，因此它们可能在蛋白质的3D结构中处于物理上的近距离。在开发AlphaFold时，研究人员已经利用这一见解来预测蛋白质结构，并且一些人甚至开始将这一理念嵌入深度学习神经网络中。

“我们不仅仅是去上班，按下AI按钮，然后就回家了，”Jumper在10月9日DeepMind举行的一次新闻发布会上说。“实际上这是一个迭代过程，在这个过程中，我们开发技术、进行研究，并试图找到一种合适的组合方式，将社区对蛋白质的理解与我们的架构中的直觉相结合。”

如果没有蛋白质数据银行（一个包含超过20万个蛋白质结构的免费数据库，其中一些曾为之前的诺贝尔奖作出贡献，并通过X射线晶体学确定），AlphaFold也不可能实现。冷冻电子显微镜技术以及其他实验方法。“每个数据点都凝聚了某人的多年努力，”Jumper说。

自1901年首次颁发以来，诺贝尔奖经常强调研究对社会的影响，并奖励实用发明，而不仅仅是纯粹的科学。在这方面，阿南塔斯瓦米说，今年的奖项并不例外。“有时它们被授予非常优秀的工程项目。这包括针对激光和PCR（聚合酶链反应）.”