新诺贝尔奖得主表示，数据瓶颈正在阻碍AI科学的发展

本文最初出现在我们的每周人工智能通讯《The Algorithm》中。要首先在您的收件箱中收到此类内容，请在这里注册.

大卫·贝克虽然睡眠不足但很开心。毕竟，他刚刚获得了诺贝尔奖。

深夜时分，瑞典皇家科学院的电话把他吵醒了。或者说，是他的妻子叫醒了他的。当时他们住在华盛顿特区的家中，她接了电话后尖叫着告诉他，他获得了诺贝尔化学奖。这一奖项是对他在华盛顿大学作为生物化学家工作的最高肯定。

“我在凌晨两点醒来，整个白天基本上都没睡，因为一直在参加各种聚会，”他在宣布后的第二天告诉我。“今天我期待能够恢复一些正常的生活。”

上周对于人工智能来说是一个重要的里程碑，有两个诺贝尔奖因与人工智能相关的发现而被授予。

贝克尔并非唯一获得诺贝尔化学奖的人。瑞典皇家科学院将该奖项颁发给了谷歌深度思维的联合创始人兼首席执行官德米斯·哈萨比斯以及该公司的一名董事约翰·M·杰姆珀。谷歌深度思维因其在研究方面的成就而获奖，其研究聚焦于AlphaFold，一个可以预测蛋白质结构的工具，而贝克则因其使用人工智能进行的工作而获得认可。设计新蛋白质. 点击这里阅读更多相关内容. 

同时，物理学奖颁给了杰弗里·欣顿，一位计算机科学家，他在20世纪80年代和90年代开创性的深度学习工作是当今世界上所有最强大AI模型的基础。另一位计算机科学家约翰·霍普菲尔德发明了一种可以存储和重构数据的模式匹配神经网络。阅读详情更多详情请参见此处.

在接受奖项公布后的记者采访时，哈萨比斯表示他认为这将预示着更多的人工智能工具被用于重要的科学发现。

但有一个问题。AI需要大量的高质量数据才能对科学研究有用，而包含这种类型数据的数据库很少，贝克说。

这个奖项是对所有从事蛋白质设计人员的整个社区的认可。它将帮助将蛋白质设计从“没人认为会有任何用处的疯狂边缘领域”推向“中心舞台”，他说。

人工智能对像贝克这样的生物化学家来说是一场革命。看到DeepMind用AlphaFold能做到的事情，使人们清楚地认识到深度学习将成为他们工作中的一个强大工具。

“以前一些非常难解决的问题现在借助生成式AI方法取得了更大的成功，我们可以完成更加复杂的事情，”贝克说。

贝克已经忙于工作了。他说他的团队专注于设计酶，这些酶执行所有生物赖以生存的化学反应。他的团队还在研究只有在身体正确的时间和地点起作用的药物。

但贝克犹豫将此称为科学领域人工智能的分水岭时刻。

在人工智能领域有一句话：垃圾进，垃圾出。如果输入AI模型的数据不好，那么结果也不会令人惊艳。

获得诺贝尔化学奖的AI工具的力量在于蛋白质数据银行（PDB），这是一个高质量、经过整理和标准化的数据宝库。这正是AI需要来做任何有用事情的那种数据。但是当前AI发展的趋势是在整个互联网内容上训练越来越大的模型，而互联网的内容越来越多地充斥着低质量的AI生成的数据。这些低质量的数据又被纳入数据集中并污染了结果，导致偏差和错误。这对于严谨的科学研究来说是远远不够的。

“如果有许多像PDB一样优秀的数据库，我可能会说，是的，这个[奖项]可能是众多奖项中的第一个，但这是一个在生物学中独一无二的数据库，”贝克说。“这不仅仅是方法的问题，更是数据的问题。而且我们没有多少地方拥有这样的数据。”

深度学习

Adobe希望让艺术家更容易将他们的作品从AI抓取中屏蔽出来

Adobe宣布推出一个新的工具，帮助创作者为其作品添加水印并选择不让其用于训练生成式AI模型。该网页应用名为“Adobe内容真实性”，还允许艺术家在其作品中添加“内容凭证”，包括他们的身份验证信息、社交媒体账号或其他在线域名。

数字签名：内容凭证基于C2PA，这是一种使用密码学安全地为图像、视频和音频添加标签的互联网协议，这些标签提供了有关其来源的信息——相当于21世纪的艺术签名。创作者可以将其应用于他们的作品，无论是否使用Adobe工具创建。该公司计划在2025年初推出公共测试版。阅读更多Rhiannon Williams的文章 здесь 注意：这里的“десь”是俄文字母，可能是原文中的一部分或者是输入错误。如果只需要准确的中文翻译而不需要保留英文部分或非标准字符，则结果为： 阅读更多Rhiannon Williams的文章.

比特与字节

为什么人工智能和清洁能源彼此需要
一场关于人工智能未来的地缘政治斗争正在展开。Engine Ventures（一家投资于将突破性科学和工程商业化创业公司的公司）的迈克尔·基恩尼和丽莎·汉斯曼认为，赢得这场战斗的关键是一场清洁能源革命。他们相信，人工智能的巨大能源需求代表着扩大下一代清洁能源技术的机会。麻省理工科技评论)

2025年的AI现状
AI投资人Nathan Benaich和Air Street Capital发布了他们的年度分析关于人工智能的状态。他们对明年有什么预测？大型专有模型将开始失去优势，实验室将更加关注规划和推理。也许不出所料，投资者还赌注于几家人工智能公司将开始产生实质性收入。

硅谷，新的游说怪物
大科技公司的触角遍布华盛顿特区的每一个角落。这是一次引人入胜的观察，展示了科技公司如何游说政客以影响美国人工智能的监管方式。纽约客杂志)