本報特約記者 謝 昭 本報記者 劉彩玉
瑞典皇家科學院10月9日宣布，將2024年諾貝爾化學獎授予美國華盛頓大學的戴維·貝克、英國倫敦谷歌旗下人工智慧公司「深層思維」的德米斯·哈薩比斯和約翰·江珀三名科學家，以表彰他們「用人工智慧（AI）破譯蛋白質的密碼」。此前一天，諾貝爾物理學獎也被授予兩名AI科學家，其中一名還有「AI教父」之稱，更是引起了全球的廣泛議論。那麽究竟應該如何看待AI成為今年諾貝爾化學獎與諾貝爾物理學獎的主要元素呢？
諾貝爾物理學獎：人工神經網路本是基於物理學概念
瑞典皇家科學院宣布將2024年諾貝爾物理學獎授予約翰·霍普菲爾德和傑佛瑞·辛頓，表彰他們在使用人工神經網路進行機器學習的基礎性發現和發明，該技術是如今機器學習、深度學習、自然語言處理、電腦視覺等主流AI技術的基礎。
在大部份人的概念中，AI技術屬於數位科學領域，與傳統物理學基本沒有直接關系，因此不少網友都對此表示難以理解，一時間，還出現了「AI拿了獎，物理學不存在了」之類的調侃。對於諾貝爾物理學獎頒給AI科學家的決定，就連獲獎者本人都頗為吃驚。辛頓接受美國媒體采訪時透露，他接到獲獎通知時正在加州的一個廉價旅館中，「這裏網路和訊號不好，我今天原計劃要去做核磁共振，現在看來要取消了。」
不過在【科學美國人】網站看來，瑞典皇家科學院將諾貝爾物理學獎頒布給這兩名AI科學家的做法也有一定道理。報道稱，人腦擁有數十億個相互連線的神經元，可以產生意識，通常被認為是已知宇宙中最強大、最靈活的電腦。幾十年來，科學家們一直在尋求透過模擬大腦自適應計算能力的機器學習方法。這次獲獎的兩名AI科學家利用物理學工具開發了人工神經網路，為當今許多最先進的AI套用奠定了基礎。人工神經網路透過使用具有不同值的節點作為神經元的替代品來模擬大腦的認知功能。這些節點形成連線網路，類似於大腦的自然神經突觸，可以透過對任意數據集進行訓練來增強或減弱神經突觸。這種自適應響應使人工神經網路能夠更好地辨識數據中的模式並對未來做出後續預測，即無須顯式編程即可學習。
加州大學美熹德分校教授兼生物物理學家埃傑伊·戈皮納坦表示：「這項諾貝爾獎旨在表彰受生物學和更廣泛的生物物理學領域啟發的物理學。這在我們對這些領域的理解以及電腦科學和AI的套用方面帶來了一些真正的變革性進步。」
該報道還提到，從原理上看，人工神經網路最初的提出也是基於物理學的基本概念和方法。20世紀80年代初，霍普菲爾德受原子自旋物理學的啟發，設計並完善了一種人工神經網路，即所謂的霍普菲爾德網路。事實證明，該方法對於以模仿人腦的方式儲存、檢索和重建模式具有變革性意義，被廣泛用於許多最佳化問題，即從大量可能性中選擇一個理想的解決方案。而辛頓在霍普菲爾德網路基礎上結合統計物理學，擴充套件並構建了新的模型——波茲曼機器，它擅長利用多個節點層之間的反饋來推斷模式的統計分布來自訓練數據。辛頓也因此被稱為「AI教父」。
諾獎官網提到，今年獲得諾貝爾物理學獎的兩名AI科學家，利用物理學工具構建了多種方法，為當今強大的機器學習奠定了基礎。
諾貝爾化學獎：用AI演算法突破蛋白質結構預測難題
相比之下，2024年諾貝爾化學獎雖然也與AI相關，但受到的爭議要少得多。據介紹，蛋白質是支撐人體基本生命活動的物質，由20種胺基酸連線形成的三維形狀決定了其功能，所以研究蛋白質形狀一直是醫學領域的熱門方向。但這些胺基酸有無數種不同的方式組合為蛋白質，想要用傳統方法預測蛋白質結構不但耗時很長，而且費用昂貴。
瑞典皇家科學院表示，2024年諾貝爾化學獎授予三名科學家，其中一半授予美國科學家戴維·貝克，以表彰其在「計算蛋白質設計」方面的貢獻；另一半授予就職於英國谷歌「深層思維」公司的德米斯·哈薩比斯和約翰·江珀，以表彰他們「對蛋白質結構預測的貢獻」。其中戴維·貝克很早就提出預測和設計蛋白質三維結構的方法，還開發了從頭設計自然界從未出現的新型蛋白的技術；而哈薩比斯和江珀開發了一個名為AlphaFold2的人工智慧模型。這是一項基於深度學習和神經網路技術的演算法，它能夠直接從蛋白質的胺基酸序列中預測蛋白質的3D結構，並且達到原子級精度，被認為解決了困擾人類50年歷史的蛋白質折疊挑戰，迅速推進了人類對基本生物過程的理解，並促進藥物設計。諾貝爾化學獎委員會稱，AlphaFold2是一項「徹底的變革」。自這項模型推出以來，已有來自190個國家和地區超過200萬人使用這一工具。正是有了這些工具，研究人員現在可以更好地了解抗生素耐藥性並建立可以分解塑膠的酶的影像。
在瑞典皇家科學院舉行的新聞釋出會上，貝克表示，AI對於未來科學發展至關重要。他說，哈薩比斯和江珀在蛋白質結構預測上的突破，更加凸顯了人工智慧可能帶來的影響，使用這些工具進行蛋白質設計提高了工作的準確性。
該如何看待AI的影響
盡管今年諾貝爾化學獎與諾貝爾物理學獎均與AI有關，但對於AI技術扮演的角色，各方看法不一。【科學美國人】提到，經過幾十年的努力推動AI發展後，辛頓如今更主張管控AI技術風險。他在接受采訪時明確提到，「AI技術的影響將與工業革命相媲美，它不是在體力上而是在智力上超越人類。我們沒有經歷過遇到比我們人類更聰明的東西是什麽感覺……我們必須擔心一些可能的不良後果，特別是它們帶來的威脅。」美國【華盛頓郵報】提到，辛頓此前甚至將現代AI技術稱為是人類的「生存威脅」。辛頓曾認為，類似ChatGPT 和其他大型語言模型生成的文本輸出類AI「在自己有生之年是不可能實作的」。在2023年接受美國【紐約時報】采訪時，他承認：「我以為（AI技術的實作）還很遙遠，需要30年到50年，甚至更久。顯然，現在我不再這麽想了。」因此他對AI的高速發展越來越感到不安，去年他從谷歌辭職，以更方便地對相關行業進行批評。
美國【大眾科學】網站稱，以辛頓為代表的批評者認為，如今科技行業急於建立更強大的AI模型可能會產生有害的社會副作用。
復旦大學電腦科學技術學院教授、上海市數據科學重點實驗室主任肖仰華10日告訴【環球時報】記者，如今整個人類科學研究或許到了一個新的拐點，「這次諾貝爾獎之後，我相信整個科學研究可能會搭上新的範式——AI驅動的科研範式。」
肖仰華表示，可能未來整個傳統自然科學都會使用AI工具來助力自己的科學研究，以及反過來，從自然科學尋求靈感去探索智慧，去解決人工智慧中的問題。這些研究思路未來都將被大家廣泛使用。「AI驅動的科研將會是一個常態，如果說所有的自然科學都搭上AI翅膀之後，另外一個可能更深遠的影響意味著我們整個科研的行程會加速，效率是傳統方法無法比擬的。」肖仰華還舉例說，以前一個重大的科學發現，可能需要經過若幹年的積累，而未來可能是按月甚至按天實作這種科研和技術的進步，由此帶來的將是整個人類社會的日新月異。
但肖仰華同時強調說，科學家不能只感受AI帶來的這種喜悅，同時還要意識到AI的局限性。AI作為人類智力的一個延伸，總體上還只是一種工具，在科學家的監督和控制下去完成一些輔助的角色，或者說完成一些重復性的但是極耗人類科學家精力和時間的工作，它很難從根本上超越科學家的見識和知識的範圍。AI能不能像人類科學家一樣去提出具有創造框架性的新理論，目前看還是很有難度。像愛因史坦一樣用相對論的框架去理解這個世界，而不是牛頓的機械力學框架來理解世界，像這種框架性的「從0到1」的原始創新，仍然是AI難以做到的。
對於「諾貝爾物理學獎和化學獎都頒給AI，是不是意味著AI將要超越人類了？」「AI正在搶奪科學家的最重要榮譽？」等社交媒體上的相關熱門討論，肖仰華表示，AI再厲害仍是人類創造出來的，在AI能夠創造出比起自身更厲害的智慧體時，我們才需要擔心AI對於人類的整體性超越問題。「從科研本身來講，我覺得目前的風險問題還是可控的，當然我們有可能需要科學家們意識到AI也是會犯錯的，不能對AI結果不加選擇地盲目使用，它依賴於科學家的責任對結果進行一個評估評價。」▲
