深圳商報·讀創客戶端記者 張郗郡

　　10月8日與9日，2024年諾貝爾物理獎與化學獎陸續公布。

　　今年，諾貝爾物理學獎頒發給了約翰·霍普菲爾德（John J. Hopfield）與“人工智能之父”、2018年圖靈獎得主杰弗里·辛頓（Geoffrey E. Hinton），以表彰他們使用人工神經網絡實現機器學習的基礎發現和發明。化學獎則頒發給三位科學家，其中一半授予戴維·貝克（David Baker），以表彰其在計算蛋白質設計方面的貢獻，另一半共同授予來自谷歌旗下人工智能公司DeepMind的德米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John M. Jumper），以表彰其在蛋白質結構預測方面的貢獻。

　　顯然，今年的兩個獎項都沒有頒發給傳統意義上的物理學家與化學家，而是對AI顯示出更多青睞。但這也引發了不少學者的擔憂：諾貝爾獎是否正在“拋棄”物理與化學理論研究？ AI是否威脅到了傳統物理與化學學科的發展？

　　在一些專家看來，當諾獎進入“AI時代”，這一學術風向標的轉變或許促使我們開始思考，在AI大行其道的今天，學科交叉才是科研發展的終極奧義。

　　物理學獎“跨界”引爭議

　　10月8日，當2024諾貝爾物理學獎的獲獎名單公布，約翰·霍普菲爾德與杰弗里·辛頓，兩位以人工神經網絡研究聞名的計算機科學家獲得了物理學的榮譽。

　　據諾貝爾獎官方，兩位獲獎者從上世紀80年代開始就人工神經網絡進行了重要研究，利用物理學的工具開發了機器學習的基礎方法。約翰·霍普菲爾德在1982年提出“霍普菲爾德網絡”模型，利用物理學中原子自旋和相互作用的原理，讓機器可以模擬人腦進行回憶與聯想；杰弗里·辛頓則將霍普菲爾德網絡的想法應用于發展“玻爾茲曼機”，玻爾茲曼機可以學習給定數據類型的特征元素，以用來分類圖像或創建新材料。這項工作后來被運用到深度學習領域，為當前機器學習的爆炸性發展奠定了有力基礎。

　　兩位科學家均憑借對機器學習的奠基性研究而獲此殊榮，盡管如“霍普菲爾德網絡”這樣的模型如今已不再使用，但他們在基礎原理上的貢獻仍值得如今的人們致敬。《財經》雜志此前也指出，兩位獲獎者通過物理學的視角，為機器學習提供了新的理論基礎。從這種角度來說，他們的貢獻絕不僅僅是對某一領域的技術突破，而是在學科交叉點上的深刻洞察。

　　AI公司DeepMind“狂刷”存在感

　　10月9日公布的諾貝爾化學獎悉數聚焦在了蛋白質的結構上。蛋白質可以被視為生命的基石，通常由20種不同的氨基酸由無數種方式組合而成。但蛋白質是一個三維的立體結構，其構成的不同影響著作用的不同。如此一來，如何通過一維的氨基酸序列推斷出蛋白質的三維結構，就成為了困擾化學家們50多年來的大問題。

　　圖釋：一個蛋白質可以由幾十個氨基酸到幾千個氨基酸組成。氨基酸鏈折疊成一個三維結構，這個結構對于蛋白質的功能是決定性的。

　　此前，這類預測需要通過蛋白質結晶的實驗來完成，但實驗不僅耗費高昂，還需要數月、甚至幾年的時間。而本次獲獎者中，哈薩比斯、江珀兩人領導的DeepMind公司推出的AlphaFold模型利用機器的自主學習，大大提高了預測效率。

　　2018年，DeepMind正式推出AlphaFold 1模型，并在第13屆“蛋白質結構預測奧運會”CASP比賽中，以接近 60%的準確率獲得冠軍；2020年，哈薩比斯和江珀提出了AlphaFold2模型，該模型能夠在廣泛領域進行蛋白質結構的預測，并且已預測出研究人員發現的幾乎所有2億種蛋白質的結構；今年5月，DeepMind和Isomorphic Labs 研究團隊推出了AlphaFold 3，同時登上《Nature》。據介紹，與現有的預測方法相比，AlphaFold 3 發現蛋白質與其他分子類型的相互作用至少提高了50%，對于一些重要的相互作用類別，預測準確率甚至提高了一倍。

　　在此之前，DeepMind就因旗下AlphaGo擊敗圍棋高手李世石而備受關注。從游戲轉變到生物領域，DeepMind在AI方面持續發力，在今年的諾貝爾獎中也“狂刷”了一波存在感。未來，哈薩比斯透露，AlphaFold 3將應用到醫藥領域中，利用細胞模擬等技術加速癌癥、免疫性疾病的藥物研發。

　　學科交叉成未來主流

　　從計算機科學獲得物理學獎，到AI技術獲得化學獎，今年諾貝爾獎的結果無一不彰顯著“AI for Science”的重要性。

　　9月28日，2000年圖靈獎獲得者、中國科學院院士、清華大學教授姚期智在騰訊聯合南方科技大學舉辦的2024年青年科學家502論壇上，就提到了利用AlphaFold對蛋白質折疊的三維結構進行預測的案例。他表示，目前人工智能最明顯的趨勢呈現兩方面：一是從弱智能走向通用智能，二是以“AI+X”為主的交叉學科賦能。

　　姚期智在青年科學家502論壇上

　　如今，AI正為千行百業賦能，“AI+量子”“AI+仿生”等多個人工智能與新興學科的交叉研究領域均有進展，如利用AI首次實現拓撲時間晶體，具身機器人擁有自主學習能力等等。“目前，生物科技、醫療健康、新材料等都在積極引進人工智能技術，以尋求顛覆性的科技創新，也見到了一些突破性的結果。”姚期智說。

　　此前，2018年諾貝爾化學獎得主、加州理工學院化學工程教授阿諾德 (Frances Arnold)也在一次演講中表示：“AI正在改變我們進行科學研究的方式，它增強了我們探索以前難以解決的問題的能力。”聯系諾獎的結果看來，作為工具的AI將繼續深入地影響更多自然科學領域的研究，學科交叉研究與復合型人才也成為未來的主流。

　　“這（結果）不僅意味著諾貝爾獎官方對當前科學前沿領域的緊密關注，也預示著AI的發展正從關鍵的突破期進入對社會具有更廣泛影響的新階段，它不能不被傳統社會的目光所注意，也必將被大眾所接納。”知名數字經濟學者劉興亮對此撰文表示。