這兩天的諾貝爾獎正在顛覆從業者的認知。
10月8日，2024年諾貝爾物理學獎頒給了AI領域的「人工神經網路」，10月9日，化學獎頒給了「蛋白質設計和蛋白質結構預測領域」，一半獎項屬於谷歌旗下的AI團隊DeepMind。
「物理學不存在了。」物理學獎揭曉後，不少圈內人士都轉發了出自【三體】的這一名句，表達自己的意外。在獎項釋出之前，一位博主表示，自己在全網看了這麽多預測，以及周圍裏裏外外一圈物理人，「就沒一個預測對的」。
在物理學獎之後，諾貝爾化學獎頒給蛋白質結構預測，似乎顯得順理成章了。「如果說諾貝爾物理學獎頒給了機器學習讓人眼前一黑，但諾貝爾化學獎頒給AI用於蛋白質結構預測和蛋白質設計，就是眼前一亮了。」冷哲是華大基因旗下科普教育平台愛博物聯合創始人、科普作家，他的感受是，DeepMind的AlphaFold揭開了生命科學領域飛躍的一個序幕，獲諾貝爾獎是實至名歸。
這一屆諾貝爾獎，由於AI的存在引起了不少的爭議和討論。為什麽是AI？「時代的主流就是AI，出場率高也正常。」華南理工大學物理系姚堯教授對第一財經表示。知乎答主@蔔寒兮是電腦視覺博士，他認為，這已經超出了學科討論的範疇，一個已成的事實是AI 已經幾乎滲透到越來越多的學科，而且產生了不可忽視的影響。
「如果非要回答為什麽 Hinton（辛頓）能獲得2024年的諾貝爾物理學獎？那我只能說現在 AI 的影響力太大了。」@蔔寒兮說。
AI成諾貝爾獎最大贏家？
今年物理學諾貝爾獎引發的爭議最多。
據諾貝爾獎官方，約翰·霍普菲爾德（John J. Hopfield）與傑佛瑞·辛頓（Geoffrey E. Hinton）因「使用物理學訓練人工神經網路」獲獎。值得註意的是，辛頓被稱為「AI教父」，也是2018年圖靈獎得主，不過他此前的學術經歷並不包括物理學，而是聚焦人工智慧。
諾貝爾獎官方解釋，今年的兩位諾貝爾物理學獎得主利用物理學工具開發了今天強大機器學習的基礎方法，「基於人工神經網路的機器學習目前正在徹底改變科學、工程和日常生活，例如開發具有特定內容的新材料」。
一位畢業於北大物理學院的博士表示，自己朋友圈裏有相當一部份人都是學物理的，據他觀察，往年諾貝爾獎公布後，大部份人頂多就是動動手指轉發，但今年諾貝爾物理學獎大家基本都會評論（負面評論居多），是近些年來討論度最高的，「物理學獎給了搞人工智慧的，所有物理學子領域的人都不幹了」。
「真的很意外，學物理和學電腦的人都沈默了。」一位認證為中國科學院大學工學博士的博主表示，「怎麽看都覺得官方的理由有點牽強」，大家所理解的「物理」都較傳統，在獎沒出來前，都覺得今年的物理學獎應該是自旋電子、反常霍爾效應、拓撲絕緣體等等當中的一個。人工神經網路好像不是大家所理解的「物理」。
在物理學獎項給了AI之後，冷哲就預測，「化學獎項給AlphaFold也不算突兀了」，如果機器學習在物理學層面屬於錦上添花的幫助的話，在生物領域，尤其是蛋白質領域，AI就是「雪中送炭」了，或者可以用顛覆性的成果來評價。
10月9日公布的諾貝爾化學獎，被授予大衛·貝克（David Baker）、戴米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John M.Jumper），以表彰他們在蛋白質設計和蛋白質結構預測領域作出的貢獻。哈薩比斯是谷歌旗下AI團隊 DeepMind的聯合創始人兼CEO，江珀也是DeepMind成員，他們開發了模型AlphaFold，用以預測蛋白質的復雜結構。
對於AlphaFold的劃時代意義，冷哲解釋，AlphaFold的出現扭轉了大家對於蛋白質結構不可預測的一個刻板印象，甚至當時一度傳出來結構生物學從業者要失業的評價。而這只是一個簡單的開端，當看到有學者嘗試用AlphaFold2來逆向設計工程蛋白質結構的時候，「忽然覺得，生物工程，或者叫蛋白質工程學的春天終於到來了。」
現在的蛋白質工程學從「discovery」走到了「design」的階段，也就是說，行業可以運用AI去設計一個耐高溫、耐低溫、發各種顏色的光，或者去靶向各種癌細胞，去治療人類的各種疾病。「雖然現在能做的還不多，但這是0和1的本質上的區別。」冷哲認為，未來AI for Science，已經是不可阻擋的趨勢了。
不過，雖然蛋白質結構預測有其行業意義，但畢竟出現還不久，拿諾貝爾這樣等級的獎在從業者眼裏仍然有些意外。
科普帳號biokiwi負責人吳海旭也是遺傳學專業的博士，他一開始就認為蛋白質結構預測大機率能獲獎，但他同時也會覺得這個獲獎的時機稍微有些早。
「按照預測的邏輯，一般會查諾獎風向標拉斯克獎，他們也獲獎了，而從實際意義上，這一研究解決了結構生物學一直卡脖子的問題，獲獎也有其道理。」但吳海旭表示，蛋白質結構預測開始普遍套用也就三年前，這一點其實和以往大部份諾貝爾獎的風格不太一樣。因為諾貝爾獎更多是考慮機制上有重大突破，研究成果成熟，且成果實實在在地給造福了人類的。而這一點上AI預測設計蛋白質，可以說突破巨大，但套用還沒有完全實作，畢竟生物藥物的研發周期很長。
一名西北農林科技大學生物學研究人員也告訴記者，此次諾貝爾化學獎有些出乎他的意料，一方面，諾貝爾物理學獎已經頒給神經網路機器學習領域，AlphaFold基於神經網路開發，如此未免太偏愛AI。另一方面，這次諾貝爾化學獎雖然實至名歸，但AlphaFold問世才3年，顯得「稍早」。諾獎在與生物有關的領域向來偏向實驗科學，如今頒給計算生物學領域，還是AI領域，顯示向AI時代、虛擬化轉型的想法，可能算力、演算法未來會更多出現在諾獎中。
」在生物學領域，有些人認為做實驗的方式更好，做計算、AI則是‘取巧’。「另有生物學研究者告訴記者。
知乎答主@博麗靈夢本科畢業於北京大學，目前從事化學相關方向，對於AlphaFold獲獎，她對第一財經記者表示，「其實不太驚訝，只是感覺對於諾獎的節奏而言似乎有點太早了，肯定有一些所謂的傳統物理/化學領域的工作者會有點心情復雜。」
為什麽今年諾貝爾獎格外關註AI？圈內有一些非正式的傳言玩笑稱，諾貝爾基金會需要透過理財來發每年的獎金，基金會或許重倉了AI相關股票。@博麗靈夢也聽聞了這一調侃，不過在她看來，一個合理得多的推斷是，諾獎基金會也某種程度上有引領科學方向的責任，所以在這個AI的關鍵節點上集中發獎，也無可非議。
物理學邊界正在擴張
在大部份人看不懂這次諾貝爾物理學獎頒給AI時，也有一小部份人認同並支持這一頒獎結果。
「誰來定義物理？顯然不應該由躺在一個舊領域刷論文KPI的人。」作為物理系教授，姚堯撰文表示，諾獎的初衷還是要這項科學成果服務於人類的，而不是服務於出版商和學術利益集團。如果舊領域確實已經不足以產生比肩前輩的對人類有影響力的套用成果，那就是時候擴大這個學科的內涵了。
「今天的獎是最近讓我最暢快的事了，有一種整個暮氣沈沈的領域突然活過來的爽感。」姚堯在頒獎當天發文表示。
對於物理獎頒給神經網路的合理性，姚堯對記者解釋道，啟發式神經網路其實是沿著波茲曼的統計物理思想一路發展起來的，它的發展已有近兩百年的歷史，是屬於傳統物理的研究內容，只是拓展到了新的研究內涵。
「當然，由於統計物理長期在整個物理學中的從業人數過少，大多數的從業者並不熟悉這個方面的進展，所以才產生了這些疑問。」姚堯說。
香港科技大學（廣州）助理教授謝澤柯在知乎撰文解釋，此次諾貝爾物理學獎產生爭議背後，大多數做物理的人不做統計物理，大多數做AI的人也沒碰過理論機器學習。統計物理和理論機器學習在物理和AI圈子裏都是少數派，而此次諾貝爾物理學獎恰是統計物理、理論機器學習的交叉。
「經歷過本科物理、博士深度學習理論、成為AI方向博士生導師這條少數人走的路，我可能是少數覺得今年諾貝爾物理學獎頒得理直氣壯、理所應當的。」謝澤柯表示。洛桑聯邦理工學院物理學博士梁師翎也撰文稱「我們搞統計物理的‘開香檳’了。」
物理和生物領域一些研究者認可此次諾獎評選結果，認為諸如物理學這種基礎學科正在擴充套件自身邊界，機器學習已被納入研究範疇或已對該領域研究工作產生影響。
梁師翎告訴記者，機器學習發展最初很大程度上受物理啟發，兩位諾貝爾物理學獎得主中，約翰是物理學家，他基於物理學裏的模型構建可以」學習和記憶「的系統，辛頓的工作也與物理有很深的聯系。從物理角度出發研究機器學習，是把「人工神經網路」當作一個客觀物件去其理解工作原理並闡釋為何有效。三年前的物理諾獎得主Giorgio Parisi就是做統計物理，並大力發展了對「spin glass」（自旋玻璃）領域的研究。這個學派現在有很多人轉向機器學習研究，透過spin glass的方法論研究機器學習訓練過程。
「物理方式處理機器學習是一個正在崛起的領域，特別是統計物理。統計物理涵蓋面比很多人理解的廣很多。從細胞層面的性質到宏觀鳥群/魚群的運動、交通網路阻塞等都是統計物理研究範疇，研究機器學習也不奇怪。」 梁師翎表示，實際上，很多新興學科早期發展都由物理學推動，如機器學習、神經科學乃至量化金融，物理學的邊界不斷擴張。
「一方面AI拿獎名副其實，另一方面也是諾獎委員會不願意錯過機器學習作為一種新學科崛起的浪潮。」謝澤柯告訴記者。
理論物理博士劉易安則告訴記者，就基礎學科而言，AI並沒有給出新的突破性理論，每年有好幾千篇甚至更多關於AI在物理學中套用的文章發表，但真正突破現有物理學框架的，AI還沒有做到。從這個角度看，這次諾獎很大程度上是一種鼓勵。
「諾獎委員會可能認為未來AI進入基礎科學領域是大勢所趨，透過AI可能有新的物理（發現）出來。AI作為新工具，可能改變人們思考的方式，並不局限於物理學本身。AI更是一個交叉學科，涉及數學、物理、電腦等領域，諾獎未來也可能偏向頒發給這種交叉學科。」劉易安稱。
AI終於成為科學了
就諾貝爾化學獎頒發給AI領域的科學家，一些化學或生物領域的研究者也認為有合理性。
就科學家利用AI技術，基於AlphaFold在蛋白質預測領域的貢獻獲得諾獎，西北農林科技大學生物學研究人員告訴記者，AlphaFold本身的首創、影響力、高套用價值符合諾獎的頒獎規範。AlphaFold的核心價值在於為生物學的研究者提供蛋白質結構生物學基礎，曾需專業結構生物學研究人員花費數月乃至數年的工作，可由非結構生物學專家完成，帶來蛋白質化學和生物化學領域的革命。
中科院生物學博士劉耀文告訴記者，AI工具在生物或化學領域的套用，目前主要是在蛋白質結構預測、藥物研發和多組學等生物學領域，尤其是在藥物研發領域，用AI來尋找、設計藥物已較多見。例如，預測出基因後再去做實驗檢測，往往有10%~20%的預測是正確的，這已經是很高比例了。
「這次AI獲獎對於很多傳統做生物的研究者而言，或許是一點提醒或提示。很多生物科學家認為生物是一門實驗性學科，抗拒電腦等技術，包括生物資訊學已經發展很久，不少人仍覺得這個領域只是小工具。希望生物學者們能更認真審視以AI為代表的技術在生物學中的意義。時代不一樣了，要做出改變。」劉耀文表示，此次諾獎結果也意味著生物學發展可能加速，畢竟以往生物學實驗太耗時耗力，且穩定性也是個很大的問題。
諾貝爾物理學獎和化學獎頒給了看上去不太像傳統物理和化學領域的AI學者，一些AI領域學者則受到鼓舞。
「人工智慧終於不是技術，而是科學了。」諾貝爾物理學獎得主揭曉後，一名人工智慧學者在朋友圈評論道。一些AI學者則認為，此次諾獎評選背後，AI開始對各領域產生深遠影響。
「人工智慧的深遠影響才剛剛開始。」「AI教母」李飛飛稱。Meta首席AI科學家楊立昆表示，Rosetta、AlphaFold和其他由機器學習驅動的蛋白質結構預測和蛋白質設計的努力的影響已非常巨大，且有望在未來產生更大的影響。
「AI這次諾貝爾獎贏麻了。」AI在讀博士、知乎博主@平凡表示，他同時表示，諾貝爾獎未來在很長一段時間內不會再頒給AI了。他認為，AI這些年能火爆到如此程度，無非是深度學習效果實在太驚艷了，如AlphaFold直接預測出2億種蛋白質結構，這種效率是人類拍馬也趕不上的。但AI的問題在於非常依賴於訓練數據和計算資源，而數據的積累是循序漸進的。
在上述博主看來，AI已經發展到了瓶頸期，他對記者解釋，雖然說現在行業還在飛快前進演化，但是速度會放緩，因為素材一次性用得差不多了，除非找到新的更好的養分，「未來估計只有AGI才有資格再拿諾貝爾獎。」
(本文來自第一財經)
