导读
2024年的诺贝尔奖为我们提供了一个新的独特视角，窥探科学创新的现在与未来。
虽然历来诺贝尔奖的揭晓是庆祝新的发现，但近年来的颁奖活动更倾向于： 围绕科学过程激发全球重要讨论。
2024年的诺贝尔奖更是如此，凸显了技术日益重要的意义，并放大了现有的问题，即新的发现在哪里发生以及如何发生。
C. Brandon Ogbunu｜撰文
深究科学 | 翻译
在生命科学领域，2024年奖项的揭晓延续了上一年奖项揭晓后开始的讨论。2023年诺贝尔生理学或医学奖授予Drew Weissman 和 Katalin Karikó，“以表彰他们发现核苷碱基修饰，这些修饰使研发出针对COVID-19的有效mRNA疫苗成为可能”。
该奖项因直接提及Covid-19以及围绕Karikó职业生涯轨迹的讨论而备受瞩目。在20世纪90年代Karikó被降级为非终身职位后，她被迫于2013年从宾夕法尼亚大学退休。这一奖项的揭晓在科学界立即激起了一场关于基本问题的讨论：2023年的奖项说明了学术科学中功绩是如何运作的？
2024年这一领域的奖项引发的争议较小，但同样涉及科学家评价方式的争议。2024年的获奖者之一、发育生物学家Victor Ambros，他于三十年前被哈佛大学拒绝获得终身职位。这再次表明学术晋升体系存在可疑的标准，连续两年的诺贝尔奖得主都在现代学术生态系统中面临了职业的不公和挑战。
围绕职业生涯的争论不应让我们忽视获奖科学的魅力。2024年诺贝尔生理学或医学奖授予Ambros和Gary Ruvkun，“以表彰他们发现microRNA及其在转录后基因调控中的作用”，这是连续两年该奖项授予涉及RNA的发现。microRNA的发现是分子生物学领域的一场革命，因为它与获得1989年诺贝尔化学奖的催化RNA的发现一起揭示了——RNA在多种细胞过程中发挥的核心作用。
这对现代生物学意味着什么？连续两年颁发与RNA相关的领域，标志着我们正进入一个时代，即开始认识到在生命形成和分子层面运作中发挥关键作用的隐秘参与者。（这一主题在1989年诺贝尔奖得主Thomas Cech的近著《The Catalyst》中有所论述。）
长期以来，RNA一直屈居其“亲戚”DNA之下，我们对生命分子基础的先前观念体现在分子生物学的经典中心法则（遗传信息从DNA流向RNA，再流向蛋白质）及相关框架中。最近的诺贝尔奖表明，这些观念可能需要反思、完善或重新构想。
在2024年诺贝尔化学奖的中，也提到了生命科学中较少受到重视的参与者，该奖项的一半授予David Baker，另一半由Demis Hassabis 和 John Jumper共享，以表彰他们在破解蛋白质结构底层密码方面的发现。在理解蛋白质折叠问题——即蛋白质底层氨基酸序列如何转变为功能性三维结构的奥秘，这无疑是科学界最伟大的谜团之一——方面取得的进展。
这一连串与RNA紧密相关的奖项，标志着一个新时代的到来——在这个时代，我们正学会珍视那些在生命构成与分子层面运作中扮演关键角色的隐形推手。
2024年化学奖有一个重要细节，涉及科学机构所扮演的角色。Hassabis 和Jumper在DeepMind公司进行了大量开创性工作，开发了名为AlphaFold的计算机程序，该程序利用人工智能技术精确计算出数百万种蛋白质的结构。
这进一步凸显了非学术机构在基础科学中的重要作用，也是Karikó 和 Weissman故事的第三个层面：他们同样在生物技术产业中构建了mRNA疫苗技术的某些方面。2024年的奖项更是强化了这样一个观念：原创性、探索性和基础性的研究并非学术界的专属领地，新发现正发生在各类机构之中。
DeepMind的参与还强调了技术——尤其是计算技术——在自然世界研究中新受到的重视。这一问题在2024年诺贝尔物理学奖的讨论中也显而易见。John J. Hopfield和Geoffrey Hinton因为“使用人工神经网络实现机器学习的基础发现和发明”而共同获奖。
值得注意的是，“物理学家”这一头衔从未出现在Hinton的任何职位描述中。他是一名计算机科学家，其获奖贡献在于使用“统计物理学的工具”开发了一种计算进步。虽然物理学界的奖项偶尔会授予数学家（例如2020年的Roger Penrose），但正式身份的计算机科学家获奖则较为罕见。
然而，围绕学科界限的对话的讨论不乏建设性，这些讨论促使人们思考科学分类的流动性和扩展定义的必要性（例如“什么是生物物理学？”）。此外，越来越多的文献阐述了在创新中相对通才的好处，他们往往不受学科分类的束缚，能够与具有多种专业知识的人交流。有趣的是，这一描述同样适用于另一位获奖者Hopfield，虽然他受过正规的物理学训练，但几十年来一直在不同学科（包括生物学）中工作。
最后，将物理学奖授予一位计算机科学家，体现了2024年物理学和化学奖可能留下的最重要遗产：即正式将人工智能和机器学习等计算工具融入基础科学发现之中。这些奖项迅速引发了一场辩论，即它们是否真正反映了物理学或化学领域的基础性突破。在AlphaFold的案例中，讨论还围绕人工智能如何受到现有技术（如包含20多万种蛋白质结构的蛋白质数据库）和数据源的影响而展开，这场讨论与围绕大型语言模型（如ChatGPT）伦理问题的讨论相似，因为这些模型同样基于来自其他来源的训练数据。
2024年诺贝尔奖告诉我们，即将到来的机器时代不仅会影响我们的日常生活或娱乐方式，算法现在已成为科学发现的根本特征。
在奖励某些人的过程中，功绩的模糊性一直困扰着我们。当我们未来尝试颁发世界最高科学荣誉时，可能会面临一个新的挑战：技术使得区分人类大脑的终点和计算机字节的起点变得困难。
The Nobel Prizes Tell a Story About Scientific Discovery
https://undark.org/2024/11/07/opinion-nobel-prizes-tell-a-story-about-scientific-discovery/
Deep Science预印本