诺贝尔委员会认可了人工智能 (AI) 在今年两个奖项中的变革力量——表彰了物理学奖中神经网络的先驱，以及化学奖中用于研究和设计蛋白质的计算工具的开发者。但并非所有研究人员都感到高兴。
在瑞典皇家科学院公布今年物理学诺贝尔奖得主后不久，社交媒体就沸腾了，几位物理学家认为，授予杰弗里·辛顿和约翰·霍普菲尔德的奖项所庆祝的机器学习背后的科学实际上并不是物理学。
“我无语了。我和其他人一样喜欢机器学习和人工神经网络，但很难看出这是一个物理学发现，”伦敦帝国理工学院的天体物理学家乔纳森·普里查德 在 X 上写道。“我猜诺贝尔奖被人工智能炒作击中了。”
关于支持科学新闻业
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻业 订阅。通过购买订阅，您正在帮助确保有关塑造我们今天世界的发现和想法的具有影响力的故事的未来。
德国慕尼黑数学哲学中心的物理学家萨宾·霍森菲尔德说，辛顿在加拿大多伦多大学和霍普菲尔德在新泽西州普林斯顿大学的研究“属于计算机科学领域”。“一年一度的诺贝尔奖对于物理学——以及物理学家——来说是一个难得的机会，可以走上聚光灯下。在这一天，朋友和家人会想起他们认识一位物理学家，并可能会去问问他或她最近的诺贝尔奖是怎么回事。但今年不是这样。”
然而，并非所有人都感到不安：许多物理学家对这一消息表示欢迎。“霍普菲尔德和辛顿的研究是跨学科的，将物理学、数学、计算机科学和神经科学结合在一起，”马萨诸塞州剑桥市哈佛大学的理论物理学家马特·斯特拉斯勒说。“从这个意义上说，它属于所有这些领域。”
常驻加利福尼亚州伯克利的科学作家，以及《为什么机器会学习》一书的作者阿尼尔·阿南塔斯瓦米指出，尽管诺贝尔委员会引用的研究可能不是最纯粹意义上的理论物理学，但它植根于物理学的技术和概念，例如能量。辛顿发明的“玻尔兹曼网络”和霍普菲尔德网络“都是基于能量的模型”，他说。
阿南塔斯瓦米补充说，在机器学习的后续发展中，尤其是在使神经网络更容易训练的“前馈”技术中，与物理学的联系变得更加薄弱。但物理学思想正在卷土重来，并帮助研究人员理解为什么日益复杂的深度学习系统会这样做。“我们需要物理学中的思维方式来研究机器学习，”洛桑瑞士联邦理工学院研究计算统计物理学的伦卡·兹德博罗娃说。
罗马萨皮恩扎大学的物理学家乔治·帕里西说：“我认为物理学诺贝尔奖应该继续扩展到更多物理学知识领域”，他分享了 2021 年诺贝尔奖。“物理学正变得越来越广泛，它包含许多过去不存在，或者不是物理学一部分的知识领域。”
在物理学奖宣布后的第二天，当伦敦谷歌 DeepMind 的 蛋白质折叠预测人工智能工具 AlphaFold 的联合创始人德米斯·哈萨比斯和约翰· jumper 获得一半化学诺贝尔奖时，计算机科学似乎正在完成其对诺贝尔奖的“接管”。（另一半授予了华盛顿大学西雅图分校的大卫·贝克，他的蛋白质设计工作没有使用机器学习）。
伦敦大学学院的生物信息学家大卫·琼斯说，该奖项是对人工智能颠覆性力量的认可，也是对结构生物学和计算生物学知识稳步积累的认可，他曾与 DeepMind 合作开发了第一版 AlphaFold。“我不认为 AlphaFold 涉及任何已经到位的基础科学的根本性变化，”他说。“这只是它如何以如此无缝的方式组合和构思，才使 AlphaFold 达到如此高度。”
例如，AlphaFold 使用的一个关键输入是来自不同生物体的相关蛋白质序列，它可以识别出倾向于共同进化的氨基酸对，因此可能在蛋白质的 3D 结构中彼此靠近。研究人员在 AlphaFold 开发时已经在使用这种见解来预测蛋白质结构，甚至有些人开始将这个想法嵌入到深度学习神经网络中。
“这不仅仅是我们去工作，按下人工智能按钮，然后我们就都回家了，”Jumper 在 10 月 9 日 DeepMind 的新闻发布会上说。“这确实是一个迭代过程，我们在这个过程中进行了开发、研究，我们试图找到社区对蛋白质的理解与我们如何将这些直觉融入我们的架构之间的正确组合。”
如果没有蛋白质数据库，AlphaFold 也不可能实现，这是一个免费提供的存储库，其中包含超过 20 万个蛋白质结构——包括一些为之前的诺贝尔奖做出贡献的蛋白质结构——这些结构是使用 X 射线晶体学、冷冻电子显微镜和其他实验方法确定的。“每个数据点都是某人多年的努力，”Jumper 说。
自 1901 年首次颁发以来，诺贝尔奖通常关注研究对社会的影响，并奖励实用的发明，而不仅仅是纯粹的科学。阿南塔斯瓦米说，在这方面，2024 年的奖项并非例外。“有时它们是为非常好的工程项目颁发的。这包括激光和PCR的奖项。”
本文经许可转载，最初于 2024 年 10 月 10 日在首次发表。