由一生都在搞研究的炸药之父·商业奇才·军工装备制造商——阿尔弗雷德·贝恩哈德·诺贝尔贡献自己94%遗产（折合现在相当于11亿人民币）于1901年设立的 “科学界奥斯卡”——诺贝尔奖，迎来了一年一度高光颁奖时刻。
10月7日-14日，2024年诺贝尔奖各奖项得主陆续公布。
美国马萨诸塞州大学医学院教授维克托·安布罗斯和哈佛大学医学院教授加里·鲁夫昆，因在发现微小RNA（microRNA）及其在基因调控中的作用方面做出开创性贡献，获诺贝尔生理学或医学奖。
美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·E·辛顿，因通过人工神经网络实现机器学习而作出的基础性发现和发明，获诺贝尔物理学奖。
韩国作家韩江凭借作品《素食者》获诺贝尔文学奖。
化学奖则授予了美国科学家大卫·贝克，以表彰其在蛋白质计算设计方面的贡献，和英国科学家戴米斯·哈萨比斯和约翰·江珀，以表彰其在蛋白质结构预测方面的贡献。
除再次折服于科学家们的伟大成就与杰出贡献外，本届物理学奖、化学奖先后颁给AI相关课题，令很多人万万没想到。
此前，不少科技发烧友预测，近些年被研究得如火如荼的自旋电子学、转角石墨烯、非线性与混沌物理……都值得一个诺奖肯定，结果物理学奖却颁给了人工神经网络相关方向—— 一个在传统科学视角中归属于计算机领域的研究方向，同时也是人工智能AI的基础理论。
对于随后一天颁发的化学奖结果，浙江大学生命科学研究院研究员林世贤在接受《中国科学报》对话时也表示：“今年的诺贝尔化学奖可谓是顶住了重重压力，一是物理学奖已经颁给了机器学习的压力，化学奖颁发给了AI在解析蛋白质结构和设计中的颠覆性应用，可谓是‘皇冠上的皇冠’。”
想必，评委们一定知道大众对于AI相关成果获奖会非常“在意”，但肯定AI给科学界带来的影响，是他们此时此刻决定做的事。因为，AI作为一种前沿趋势，已逐步深入人类科研和生活的方方面面，尤其对基础性学科研究的影响更为深远。
01
利用物理学训练人工神经网络
助推人工智能发展
今天，我们在畅享“人工智能”时，其关键技术之一，指的就是机器学习。长期以来，机器学习一直是科学家们研究的重点。本次诺奖得主霍普菲尔德和辛顿，便是利用物理学工具构建新方法，为机器学习的研究奠定了基础。
简单来说，要想让计算机拥有学习能力，必须要给它“组装”一个足够智慧的“大脑”。模拟人类大脑结构，科学家创造出一种被称为人工神经网络的结构作用于计算机，帮助计算机从海量数据中提取特征、建立模型，并通过迭代优化模型参数，使模型能够从新的输入数据中学习并作出预测或决策。
期间，霍普菲尔德利用描述材料的原子自旋特性的物理学，在1982年引入“霍普菲尔德神经网络”，它能够存储和重建图像以及数据中的其他类型模式。
在此基础上，辛顿利用统计物理学工具，构建“玻尔兹曼机”网络，它能够学习识别给定类型数据中的特征元素，可用于对图像进行分类，或创建训练模式类型的新示例。
二者的深入研究，助推了当前机器学习的爆炸式发展，同时也带来了巨大益处。诺贝尔物理学委员会主席Ellen Moons表示：“在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定性质的新材料。”同时，伴随计算机科学与数学、哲学、神经生物学等学科的交叉融合，人工神经网络在解决气候变化、能源、公共卫生等问题上也表现得越来越优异。
02
利用人工智能模型预测蛋白质结构
解决科学界50年前的困扰
如果说物理学奖表彰的是基础科学对AI革新的贡献，那么，化学奖则刚好表彰的AI对基础科学发展的贡献。
自1970年以来，科学家一直试图根据氨基酸序列预测蛋白质结构，却未能成功。然而，在2020年，谷歌旗下“深层思维”公司戴米斯·哈萨比斯和约翰·江珀首次公布AlphaFold2人工智能模型，预测了当时人们已确定的几乎所有2亿种蛋白质的结构，解决了长期以来困扰科学界的蛋白质折叠问题。
蛋白质是生命中精妙的化学工具，没有蛋白质，生命就无法存在。哈萨比斯和江珀利用AlphaFold2人工智能模型的重大意义在于，这使得科学家们能够以前所未有的精确度和速度解析蛋白质结构，更深入地理解生命过程，不仅能加速生物学研究，还能对药物开发、疾病研究产生深远影响。
诺贝尔化学委员会评委表示，诺贝尔化学奖关注化学领域的“发现”和“革命性进步”，得益于今年的获奖成果，人们现在可以通过人工智能预测蛋白质三维结构，“这是一个非常大的革命”。
至今年5月， AlphaFold人工智能模型更新至AlphaFold 3，其预测范围从蛋白质结构扩展到大部分生命分子，准确率较AlphaFold 2提高了一倍。哈萨比斯过去接受采访时曾表示，“分子结构预测需要能够考虑不同生物分子之间的相互作用的能力，这对药物发现至关重要。AlphaFold 3具备的能力，对设计和测试包括疫苗在内的新药所使用的化合物具有重要作用，将打开超过1000亿美元的药物研发市场。”
预计未来几年，会有一大批人工智能设计的药物进入临床，为人类的生命健康带来巨大好处。
03
AI for Science时代
跨界融合大爆发
“物理奖变成理综奖，物理学不存在“
“诺奖都要蹭AI的热度”
“下一步，经济学奖给黄仁勋，和平奖给马斯克，格莱美给Suno，奥斯卡给Sora”
诺奖开奖这几天，大家时不时能看见这样的评论调侃。一连串的发声下，不得不承认，我们已然进入AI for Science时代。
这是一个交叉学科爆发的时代，2024诺贝尔奖的评奖趋势，敏锐捕捉并有力印证了这一点——它反映了在人工智能技术的驱动下，科学研究的边界正在被不断拓展，传统学科间的壁垒正逐渐消融，一个更加综合、跨界的学术生态正在蓬勃兴起。换言之，在AI for Science时代，我们可以利用AI的力量，不仅是为了解决复杂问题，更是为了激发人类创造力的新高度，推动科学探索进入一个更加深邃、广阔的领域。