諾貝爾委員會認可了人工智慧 (AI) 在今年兩個獎項中的變革力量——表彰了物理學獎中神經網路的先驅，以及化學獎中用於研究和設計蛋白質的計算工具的開發者。但並非所有研究人員都感到高興。
在瑞典皇家科學院公佈今年物理學諾貝爾獎得主後不久，社交媒體就沸騰了，幾位物理學家認為，授予傑弗裡·辛頓和約翰·霍普菲爾德的獎項所慶祝的機器學習背後的科學實際上並不是物理學。
“我無語了。我和其他人一樣喜歡機器學習和人工神經網路，但很難看出這是一個物理學發現，”倫敦帝國理工學院的天體物理學家喬納森·普里查德 在 X 上寫道。“我猜諾貝爾獎被人工智慧炒作擊中了。”
關於支援科學新聞業
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞業 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們今天世界的發現和想法的具有影響力的故事的未來。
德國慕尼黑數學哲學中心的物理學家薩賓·霍森菲爾德說，辛頓在加拿大多倫多大學和霍普菲爾德在新澤西州普林斯頓大學的研究“屬於計算機科學領域”。“一年一度的諾貝爾獎對於物理學——以及物理學家——來說是一個難得的機會，可以走上聚光燈下。在這一天，朋友和家人會想起他們認識一位物理學家，並可能會去問問他或她最近的諾貝爾獎是怎麼回事。但今年不是這樣。”
然而，並非所有人都感到不安：許多物理學家對這一訊息表示歡迎。“霍普菲爾德和辛頓的研究是跨學科的，將物理學、數學、計算機科學和神經科學結合在一起，”馬薩諸塞州劍橋市哈佛大學的理論物理學家馬特·斯特拉斯勒說。“從這個意義上說，它屬於所有這些領域。”
常駐加利福尼亞州伯克利的科學作家，以及《為什麼機器會學習》一書的作者阿尼爾·阿南塔斯瓦米指出，儘管諾貝爾委員會引用的研究可能不是最純粹意義上的理論物理學，但它植根於物理學的技術和概念，例如能量。辛頓發明的“玻爾茲曼網路”和霍普菲爾德網路“都是基於能量的模型”，他說。
阿南塔斯瓦米補充說，在機器學習的後續發展中，尤其是在使神經網路更容易訓練的“前饋”技術中，與物理學的聯絡變得更加薄弱。但物理學思想正在捲土重來，並幫助研究人員理解為什麼日益複雜的深度學習系統會這樣做。“我們需要物理學中的思維方式來研究機器學習，”洛桑瑞士聯邦理工學院研究計算統計物理學的倫卡·茲德博羅娃說。
羅馬薩皮恩扎大學的物理學家喬治·帕裡西說：“我認為物理學諾貝爾獎應該繼續擴充套件到更多物理學知識領域”，他分享了 2021 年諾貝爾獎。“物理學正變得越來越廣泛，它包含許多過去不存在，或者不是物理學一部分的知識領域。”
在物理學獎宣佈後的第二天，當倫敦谷歌 DeepMind 的 蛋白質摺疊預測人工智慧工具 AlphaFold 的聯合創始人德米斯·哈薩比斯和約翰· jumper 獲得一半化學諾貝爾獎時，計算機科學似乎正在完成其對諾貝爾獎的“接管”。（另一半授予了華盛頓大學西雅圖分校的大衛·貝克，他的蛋白質設計工作沒有使用機器學習）。
倫敦大學學院的生物資訊學家大衛·瓊斯說，該獎項是對人工智慧顛覆性力量的認可，也是對結構生物學和計算生物學知識穩步積累的認可，他曾與 DeepMind 合作開發了第一版 AlphaFold。“我不認為 AlphaFold 涉及任何已經到位的基礎科學的根本性變化，”他說。“這只是它如何以如此無縫的方式組合和構思，才使 AlphaFold 達到如此高度。”
例如，AlphaFold 使用的一個關鍵輸入是來自不同生物體的相關蛋白質序列，它可以識別出傾向於共同進化的氨基酸對，因此可能在蛋白質的 3D 結構中彼此靠近。研究人員在 AlphaFold 開發時已經在使用這種見解來預測蛋白質結構，甚至有些人開始將這個想法嵌入到深度學習神經網路中。
“這不僅僅是我們去工作，按下人工智慧按鈕，然後我們就都回家了，”Jumper 在 10 月 9 日 DeepMind 的新聞釋出會上說。“這確實是一個迭代過程，我們在這個過程中進行了開發、研究，我們試圖找到社群對蛋白質的理解與我們如何將這些直覺融入我們的架構之間的正確組合。”
如果沒有蛋白質資料庫，AlphaFold 也不可能實現，這是一個免費提供的儲存庫，其中包含超過 20 萬個蛋白質結構——包括一些為之前的諾貝爾獎做出貢獻的蛋白質結構——這些結構是使用 X 射線晶體學、冷凍電子顯微鏡和其他實驗方法確定的。“每個資料點都是某人多年的努力，”Jumper 說。
自 1901 年首次頒發以來，諾貝爾獎通常關注研究對社會的影響，並獎勵實用的發明，而不僅僅是純粹的科學。阿南塔斯瓦米說，在這方面，2024 年的獎項並非例外。“有時它們是為非常好的工程專案頒發的。這包括雷射和PCR的獎項。”
本文經許可轉載，最初於 2024 年 10 月 10 日在首次發表。