為什么是AI？獲得了今年的諾貝爾物理學獎”

凌晨1點的加利福利亞州，科學家杰弗里·辛頓（Geoffrey E. Hinton）剛躺下睡了沒多久，就被電話鈴聲吵醒，他在考慮是否應該接聽。

幸運的是，他按下了接聽鍵，想看看是誰打來的，對方告訴他，“恭喜你獲得了今年的諾貝爾物理學獎”。 

“這不會是個詐騙電話吧？”杰弗里·辛頓的第一反應是難以置信。畢竟他不是物理學家，大學一年級時還從物理學專業(yè)退學了，因為不會做復雜的數學。

由于其在人工神經網絡和深度學習上的突出成就，杰弗里·辛頓被譽為“AI教父”，并在2018年榮獲有“計算機領域的諾貝爾獎”之稱的圖靈獎。加上本次獲獎更是讓他成為史上首位同時獲得圖靈獎和諾貝爾獎的科學家。

如果只有杰弗里·辛頓一位，今年的諾貝爾獎或許還不至于形成如此轟動熱烈的輿論場，直到第二天，諾貝爾化學獎的三位獲獎者中，戴米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John M.Jumper）兩位都來自于谷歌旗下的AI團隊DeepMind，輿論徹底爆發(fā)。 

至此，AI成為今年諾貝爾獎的最大贏家。 

為什么是AI？

“這是預料之中的事?！比A南理工大學物理系教授姚堯告訴界面新聞。 

當他得知今年的諾貝爾物理學獎及化學獎，均授予了人工智能領域的學者時，他的第一反應是，“這事早晚會發(fā)生”。因為人工智能是目前最前沿的研究領域，他個人此前就有預感，“不是今年，就是明年，總之近兩三年內，肯定會頒發(fā)相關獎項?！?nbsp;

關于這一點，姚堯提到，諾貝爾獎的頒發(fā)原則首先是獎勵對人類作出重大貢獻的科學技術、發(fā)明或理論，而人工智能無疑符合這一標準，不僅是學界內，甚至外界也有很多人預期到這一點。 

關鍵在于具體人選上，此次物理學獎獲得者之一的約翰·霍普菲爾德（John Hopfield）具有堅實的物理背景，并且其研究工作主要發(fā)表在物理期刊上，因此作為物理學界代表獲獎，應該不會引起太大爭議。 

另一位獲獎者杰弗里·辛頓的情況則有些不同，因為他幾乎沒有物理背景，專業(yè)是認知心理學，其研究更多地是從神經科學的角度出發(fā)，“盡管他的工作中也融入了一些與統(tǒng)計物理相關的思想，但這多少讓人感覺有些勉強?！币蚍Q。

不過，這種跨學科的頒獎并不是首次，在過去也有類似情況。例如，去年諾貝爾物理學獎指向的是阿秒激光技術，盡管該技術在生物學和化學領域應用較多，但在原理上，它代表了光學領域的一項基礎性進展，因此被授予獎項。

此外，姚堯還提到，諾貝爾獎更傾向于獎勵先驅者，即那些對人類生產生活產生重要影響的發(fā)明創(chuàng)造背后的奠基者，這也是其一貫作風——獎勵原理性或奠基性的工作，而非單純的應用層面。 

同樣，今年物理學獎的授予者——約翰·霍普菲爾德在1982年創(chuàng)建了“霍普菲爾德網絡”（Hopfield Network），杰弗里·辛頓則以霍普菲爾德網絡為基礎，發(fā)明了玻爾茲曼機，從而幫助啟動了機器學習當前的爆炸式發(fā)展，即以人工神經網絡為核心的深度學習革命。

約翰·霍普菲爾德（左）和杰弗里·辛頓（右） 圖片來源：諾貝爾獎官網

 “獲獎者們在上世紀八十年代以來，進行了早期的基礎性探索，盡管他們的原理在現今的應用版本中已經被迭代更新，但他們是最早提出這些概念的人，為連接主義和神經網絡奠定了基礎。”姚堯稱。

在解釋物理學與AI更深層次的關系時，中科院物理所研究員劉淼對界面新聞稱，今年諾貝爾物理學獎的核心是人工神經網絡，其本質是用計算機模擬生命體的神經細胞接受信號、作出反饋的過程。它模擬的水平越高，就越能像人一樣思考和決策。

“相關理論早在上世紀40年代就被提出，但在當時不被看好?！眲㈨捣Q，但隨著技術發(fā)展，人類的硬件水平、算力不斷提升，它逐漸變?yōu)楝F實。

盡管如此，被AI搶了風頭的物理學獎，也免不了受到爭議，輿論上的另一撥聲音不斷涌現，甚至有人戲謔，“和人工智能結合的物理并不是真正的物理！”、““AI拿了獎，物理學不存在了”。

質疑的聲音主要集中在“人工神經網絡并非傳統(tǒng)意義上的‘物理’”。

物理學傳統(tǒng)的定義是研究物質最一般的運動規(guī)律和物質基本結構的學科，往年的諾貝爾物理學獎大都比較符合預期。在獎項公布前，行業(yè)內不少人覺得今年的物理學獎應該是自旋電子、反?；魻栃?、拓撲絕緣體等當中的一個。

“很意外，真的很意外！學物理和學計算機的人都給干沉默了。”一位認證為中國科學院大學工學博士的知乎用戶發(fā)文稱，“或許是物理學的概念也在與時俱進的發(fā)生著變化，而我們對‘物理學’的理解過于狹隘和傳統(tǒng)?！?/p>

在北師大理論物理博士劉易安眼中，這既在意料之外，也在意料之中。

劉易安告訴界面新聞，諾貝爾物理學獎一般只頒發(fā)那種創(chuàng)新性極高一些基礎物理的突破，還有一些已經實際應用的重大技術進步。但很明顯AI目前應用到物理學研究當中，并沒有重大的基礎性的突破，一個很典型的特征是沒有AI促進的新物理的發(fā)現。

“AI更屬于計算機算法領域，很難說是物理學上的學科，AI研究需要的物理知識并不多，這是意料之外的?！眲⒁装卜Q，意料之內則是因為自從前些年機器學習在物理學中的應用火了以后，已經有了相當多的論文出現。

相比AI在物理學獎上的爭議，業(yè)內對于AI在化學影響的認同度則更高。

科普作家冷哲在一篇文章中聲稱：“如果機器學習在物理學層面屬于錦上添花的幫助的話，在生物領域，尤其是蛋白質領域，這就是雪中送炭了，或者可以用顛覆性的成果來評價。”

“他們破解了蛋白質奇妙結構的密碼。”諾貝爾獎頒獎詞寫道，蛋白質是生命中巧妙的化學工具。大衛(wèi)·貝克（David Baker）制造出了全新種類的蛋白質；戴米斯·哈薩比斯（Demis Hassabis）和約翰·喬普（John M.Jumper）開發(fā)了一個人工智能模型來預測蛋白質的復雜結構，而該問題已存在了50年。他們的發(fā)現潛力巨大。

大衛(wèi)·貝克（左）、戴米斯·哈薩比斯（中）、約翰·喬普（右） 圖片來源：諾貝爾獎官網

“沒有蛋白質，生命就無法存在。我們現在可以預測蛋白質結構并設計我們自己的蛋白質，這給人類帶來了最大的好處?！比鸬浠始铱茖W院稱。

那么，蛋白質設計和蛋白質結構預測有什么用？

冷哲解釋道，“之前我們對于蛋白質的理解，都是說自然界里有什么性質的蛋白質，我們來找一找，找到以后來研究有什么用，然后看能不能進行一下優(yōu)化?！?/p>

比如典型的例子就是PCR（聚合酶鏈反應，一種常用的分子生物學技術）用的耐高溫的酶，首先是自然界里真的有這種酶，在被找到后進行一些優(yōu)化，讓它變得更好用。

“之前我們對于蛋白質工程的應用，甚至夸張點，都是停留在原始社會階段，就像是在山里找個石頭很鋒利，可以拿來切割，也可以砍人，為了讓它更好用一點，就給它敲一敲打磨一下，算是二次加工了?！崩湔芊Q。

而有了蛋白質設計工具以后，科學家可根據需求，通過AI來定制各種功能的蛋白質，比如抗逆性+很強，又能耐高溫，又能耐低溫的酶。之前還是合成生物學，未來是設計生物學。

“雖然很多idea還很難實現，但這是0和1的區(qū)別。之前是不行，現在可以了?！崩湔芊Q。

由戴米斯·哈薩比斯和約翰·喬普設計出的名為AlphaFold2的AI模型，目前能夠預測研究人員已經確定的幾乎所有兩億種蛋白質的結構。自2020年誕生以來，AlphaFold2已經被來自190個國家的200多萬人使用。

受益于AlphaFold2，研究人員現在可以更好地了解抗生素耐藥性，并創(chuàng)建可以分解塑料的酶的圖像。

然而，也有人指出，當前蛋白質結構以及AI制藥領域的基礎理論仍舊不完備，無法覆蓋實驗結論。不過也有人寄希望于大模型在算力足夠的情況下，能夠直接總結規(guī)律合成新蛋白。

華南理工大學食品科學與工程學院陳文教授曾經和今年化學獎得主David Baker合作，他曾經求學過的實驗室主要研究膜蛋白工作，會給David Baker提供一些建議，并對他設計的新型蛋白進行驗證。

陳文也曾在Nature、Cell、Nature Protocols、Nature Communications、Angew Chem、JACS等高水平期刊發(fā)表論文，獲得過哈佛醫(yī)學院華人生命科學杰出科研獎和中華海外磁共振協會年度科學家獎。

在談及David Baker獲獎時，陳文以“令人信服”作為回應，“但物理獎給人工神經網絡，化學獎給AlphaFold，這些都跟物理和化學沒有太大的關系?！?/p>

陳文告訴界面新聞，David Baker的想法比較超前，他設計蛋白質，改變蛋白質的特性，包括設計可溶性的生物膜蛋白。“他設計蛋白的成功率和精準性逐年進步，現在已經能夠根據部分需要設計蛋白質，也比較成功，只是廣泛的產業(yè)應用還有待驗證?！?/p>

作為行業(yè)人士，陳文教授也指出，當前AlphaFold3的部分預測不準確，并且預測蛋白與其他分子的相互作用比較有限。

“以前的科學研究范式很可能被AI打破”

AI在諾獎的滲透，也預示著交叉學科時代正在到來。

今年9月，2000年圖靈獎得主、中國科學院院士、清華大學教授姚期智在一場公開論壇上表示，AI最明顯的趨勢有兩個，一個是從弱智能走向通用智能。另一個是學科間的交叉賦能，使得本來就明顯學科交叉的工作，變得更加活躍和重要。

“必須承認，在人工智能發(fā)展的早期階段，物理學家確實提供了獨特的研究思路，并作出了許多貢獻。”姚堯解釋道，啟發(fā)式神經網絡其實是沿著玻爾茲曼的統(tǒng)計物理思想一路發(fā)展起來的，它的發(fā)展已有近兩百年的歷史，是屬于傳統(tǒng)物理的研究內容，只是拓展到了新的研究內涵。

這顯然涉及的是一個交叉學科。人工智能領域融合了物理的思想，同時也包含了計算機科學、認知心理學以及神經科學等多方面的知識，是一個綜合性很強的領域，難以將其歸屬于單一學科。

物理、化學、生理學是諾貝爾獎最初的三大領域，但如今學科界限與諾貝爾時代相比已大不相同。如今的科研工作者往往跨越多個學科領域進行研究，物理學家也可能發(fā)表化學、材料科學、信息學乃至計算機科學的論文。

這種跨學科合作已成為常態(tài)。

即使是像計算物理這樣看似傳統(tǒng)的領域，也在與生物物理緊密結合。一些頂尖學府如麻省理工學院（MIT）或其他知名機構，已經開始將計算物理納入生物物理的專業(yè)范圍內，反映出計算與復雜網絡理論的緊密聯系。

隨著AI在科學研究中的地位日益凸顯，學術界也開始重視AI教育，許多傳統(tǒng)物理專業(yè)的課程中開始大量引入人工智能相關內容。這意味著新一代的科研人員將在教育階段就開始接觸并習慣使用AI的思維方式來探索自然規(guī)律。

由此可見，交叉學科研究已成為不可避免的趨勢，學科間的融合與調整是必然的發(fā)展方向。

“物理學這一基礎學科的邊界也在不斷拓展?！币驅缑嫘侣劮Q。

他指出，近十七八年來，諾貝爾物理學獎并非總是授予傳統(tǒng)物理學的成就。除了引力波這種毋庸置疑的重大突破外，多數獎項頒發(fā)給了交叉學科的研究成果，例如氣象物理、阿秒激光等領域，甚至是量子糾纏，其中也包含大量信息學的內容，而不完全是傳統(tǒng)物理學。

2021年，諾貝爾物理學獎頒發(fā)給了氣候變化領域的研究，這本身就是一個交叉學科?！皻夂蜃兓且粋€非常大的時代議題。2024年頒給AI，也是諾貝爾獎順應時代發(fā)展的潮流，即當前人類發(fā)展面臨重大問題可能的解決辦法。”劉易安說。

同樣的趨勢也出現在化學獎上，諾貝爾化學獎很少再頒發(fā)給純粹的化學研究，往往是交叉學科的成果。這種現象反映了諾貝爾獎的一個大趨勢，即關注各個學科之間的交叉研究，包括天文學、地球物理學、生物學以及信息學等領域。

從更宏觀的層面看，AI還將撬動其他領域基礎科學研究進程的研究范式，即AI for Science（AI4S），這背后存在一個巨大的可發(fā)展的創(chuàng)業(yè)體系和商業(yè)空間。 

AI4S是指利用人工智能技術來推動和加速科學研究的新型研究范式。這種范式通過結合機器學習、數據分析、高性能計算等技術，幫助科學家在各個領域進行更深入的探索和發(fā)現。

正如DeepMind和大衛(wèi)·貝克團隊的研究成果，加速了該領域對于蛋白質結構預測與設計的研究工作，這將直接推動生物醫(yī)藥領域的研發(fā)進程。 

在多個領域，人工智能的應用正在開辟新天地，例如，促進罕見疾病的發(fā)現或推動更可持續(xù)材料的發(fā)展?？茖W家們正扮演著導師、同伴或助手的角色，利用人工智能應用程序以以前無法達到的速度和規(guī)模執(zhí)行任務。

網易有道CEO周楓對界面新聞表示，2014年深度學習誕生以來AI給社會經濟和科學研究帶來巨大進步，已滲透到了各個學科，將來AI在很多方面都會超過人類，這會是歷史性的事件，帶來很多飛躍，也有很棘手的難題，所以也值得全球關注。

“AI對科學領域的影響力無疑是巨大的，它已經從各個層面改變了科學研究的范式?！币驅缑嫘侣劮Q。

AI作為一種強大的工具被廣泛應用于理論研究、實驗設計和數據分析中，例如在材料科學、蛋白質結構預測、高能物理數據分析等方面，AI的應用已經成為不可或缺的一部分。

而AI更深層次的的影響，體現在研究方法和思維模式的變革上。

姚堯介紹，傳統(tǒng)的物理學科學研究方法通常是基于牛頓力學以來的分析方法，而現在，借助神經網絡和復雜網絡理論，研究者們能夠以全新的視角來理解物質世界的規(guī)律。

這種方法不再依賴于簡化模型，而是將研究對象視為復雜的系統(tǒng)，利用人工智能的概念來探討系統(tǒng)內部的連接、反饋機制等。

“基礎科學的研究已經進入新時代?！眲⒁装惨舱J同上述觀點，以前的研究范式很有可能會被AI所打破，至少在諾貝爾獎委員會看來有這個大趨勢。

但他認為，研究范式的改變并不會一蹴而就，目前AI并未走到改變研究范式的關鍵一步。在這方面，我們還有很長的路要走。

“未來的科學新發(fā)現，一定是在人工智能的輔助之下。”畢業(yè)于北京大學數學系的明略科技CEO吳明輝告訴界面新聞，杰弗里·辛頓的工作跟物理學、腦科學之間有很大的關系；而alphafold則是直接利用AI解決學科問題，利用AI迭代工作，推動學科進步，這類情況后續(xù)應該會大量出現。

他指出，杰弗里·辛頓 （Geoffrey Hinton）獲獎是很偶然的情況，或者很多年才會出現一次。上一次還是赫伯特·A·西蒙，同時拿了圖靈獎和諾貝爾經濟學獎，他解決的是組織行為學和人類心理以及信息學之間的問題。

正如杰弗里·辛頓在接受諾貝爾獎電視采訪時所說，他一直在研究大腦是如何工作的，只不過在此過程中幫助創(chuàng)造了一項有效的技術——AI。

未來，隨著科學的進一步發(fā)展，我們或許會看到更多類似的“跨界”諾貝爾獎誕生。