10月8日，諾貝爾物理學獎授予了機器學習的發展。第二天，化學諾貝爾獎表彰了透過人工智慧實現的蛋白質結構預測。對這種人工智慧雙重打擊的反應可能已經在里氏震級上有所體現。
一些人認為，特別是物理學獎不是物理學。《紐約時報》總結道：“人工智慧也正在向科學領域進軍。” 一些不太溫和的評論員更進一步：“物理學現在正式結束了，”一位旁觀者在 X（前身為 Twitter）上宣稱。一位物理學家開玩笑說，未來的物理學和化學獎項將不可避免地授予機器學習的進步。在給美聯社的言簡意賅的電子郵件中，新晉物理學獎得主和人工智慧先驅傑弗裡·辛頓釋出了他自己的預言：“神經網路是未來。”
幾十年來，人工智慧研究一直是計算機科學中一個相對邊緣的領域。其支持者經常兜售預言，認為人工智慧最終將帶來超人智慧的曙光。突然之間，在過去的幾年裡，這些願景變得生動起來。大型語言模型的出現及其強大的生成能力，引發了關於入侵人類成就所有分支領域的猜測。人工智慧可以接收提示，吐出插圖、文章、複雜數學問題的解決方案——現在，還可以提供諾貝爾獎級別的發現。人工智慧是否已經接管了科學諾貝爾獎，甚至可能接管了科學本身？
支援科學新聞
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報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
沒那麼快。在我們欣然宣誓效忠我們未來的仁慈的計算機霸主，或者避開自袖珍計算器以來的一切技術（順便說一句，共同發明者傑克·基爾比獲得了2000年物理學諾貝爾獎的一部分）之前，也許應該稍微謹慎一點。
首先，諾貝爾獎的真正獎勵是什麼？物理學獎授予了辛頓和約翰·霍普菲爾德，一位物理學家（也是美國物理學會前主席），他們發現了網路的物理動力學如何編碼記憶。霍普菲爾德提出了一個直觀的類比：一個球在崎嶇不平的地面上滾動，通常會“記住”回到同一個最低的山谷。辛頓的工作擴充套件了霍普菲爾德的模型，展示了具有隱藏“層”的人工神經元的日益複雜的神經網路如何更好地學習。簡而言之，物理學諾貝爾獎是授予關於資訊物理原理的基礎研究，而不是“人工智慧”及其應用的廣泛範疇。
與此同時，化學獎一半授予了生物化學家戴維·貝克，另一半授予了人工智慧公司 DeepMind 的兩位研究人員：計算機科學家兼 DeepMind 執行長德米斯·哈薩比斯，以及化學家兼 DeepMind 總監約翰· jumper。對於蛋白質來說，形式即功能，它們纏結的縷狀物組裝成精巧的形狀，充當鑰匙以適應無數的分子鎖。但是，從氨基酸序列預測蛋白質的湧現結構非常困難——想象一下試圖猜測一條鏈條將如何摺疊起來。貝克首先開發了軟體來解決這個問題，包括一個從頭設計新型蛋白質結構的程式。然而，到 2018 年，在所有基因資料庫中編目的約 2 億種蛋白質中，只有約 15 萬種（不到 0.1%）的結構得到證實。然後，哈薩比斯和 jumper 在預測蛋白質摺疊挑戰賽中首次推出了 AlphaFold。它的第一個迭代版本以巨大優勢擊敗了競爭對手；第二個版本為剩餘的 2 億種蛋白質提供了高度準確的摺疊結構計算結果。
AlphaFold 是“人工智慧在科學領域開創性的應用”，一份關於蛋白質摺疊的2023 年綜述指出。即便如此，人工智慧也有侷限性；它的第二個迭代版本未能預測蛋白質中的缺陷，並且在“環”結構上遇到了困難，“環”結構對於藥物設計至關重要。它不是解決蛋白質摺疊中每個問題的靈丹妙藥，而是一種卓越的工具，類似於多年來獲得獎項的許多其他工具：2014 年物理學獎授予藍色發光二極體（幾乎在當今的每個 LED 螢幕中），或 2019 年化學獎授予鋰離子電池（即使在手機閃光燈時代仍然必不可少）。
這些工具中的許多工具後來都消失在它們的應用中。當我們使用包含數十億個電晶體的電子產品時，我們很少停下來考慮電晶體（1956 年物理學獎授予了電晶體）。一些強大的機器學習功能已經走上了這條道路。在流行的消費者軟體程式中提供準確的語言翻譯或令人毛骨悚然的歌曲推薦的神經網路只是服務的一部分；演算法已經淡化到後臺。在科學領域，就像在許多其他領域一樣，這種趨勢表明，當人工智慧工具變得司空見慣時，它們也會淡化到後臺。
仍然可能存在一個合理的擔憂，即這種自動化，無論是微妙的還是公開的，都威脅到取代或玷汙人類物理學家和化學家的努力。隨著人工智慧成為進一步科學進步不可或缺的一部分，是否會有任何獎項認可真正擺脫人工智慧的工作？正如許多人——包括諾貝爾獎物理學家尼爾斯·玻爾和標誌性的棒球運動員尤吉·貝拉——據報道所說的那樣，“預測是困難的，尤其是關於未來的預測。”
人工智慧可以徹底改變科學；對此毫無疑問。它已經幫助我們以前所未有的清晰度看到了蛋白質。很快，人工智慧可能會構想出用於電池的新分子，或者在來自對撞機的資料中找到新的粒子——簡而言之，它們可能會做很多事情，其中一些事情以前似乎是不可能的。但它們有一個關鍵的侷限性，這與科學的美好之處有關：它對真實世界的經驗依賴，這是僅靠計算無法克服的。
在某些方面，人工智慧只能與它獲得的資料一樣好。例如，它不能使用純粹的邏輯來發現暗物質的性質，暗物質是構成宇宙中 80% 物質的神秘物質。相反，它將不得不依賴於來自本質上是物理探測器的觀測結果，該探測器的元件始終需要人工維護。為了發現真實世界，我們將始終不得不應對這種物質上的小故障。
科學也需要實驗者——致力於研究宇宙的人類專家，他們會提出人工智慧無法提出的問題。正如霍普菲爾德自己在2018 年的文章中解釋的那樣，物理學——科學本身，實際上——與其說是一個學科，不如說是一種“觀點”，其核心精神是“世界是可以理解的”，這僅僅是透過認真的實驗和觀察，以定量的、可預測的方式。
那個真實的世界，以其無盡的莊嚴和神秘，仍然存在於未來的科學家去研究，無論是否藉助人工智慧。
這是一篇觀點和分析文章，作者或作者表達的觀點不一定代表《大眾科學》的觀點。