深圳商报·读创客户端记者 张郗郡
10月8日与9日，2024年诺贝尔物理奖与化学奖陆续公布。
今年，诺贝尔物理学奖颁发给了约翰·霍普菲尔德（John J. Hopfield）与“人工智能之父”、2018年图灵奖得主杰弗里·辛顿（Geoffrey E. Hinton），以表彰他们使用人工神经网络实现机器学习的基础发现和发明。化学奖则颁发给三位科学家，其中一半授予戴维·贝克（David Baker），以表彰其在计算蛋白质设计方面的贡献，另一半共同授予来自谷歌旗下人工智能公司DeepMind的德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M. Jumper），以表彰其在蛋白质结构预测方面的贡献。
显然，今年的两个奖项都没有颁发给传统意义上的物理学家与化学家，而是对AI显示出更多青睐2024新澳精准资料免费提供 ,时代资料解释落实_探索版7.422。但这也引发了不少学者的担忧：诺贝尔奖是否正在“抛弃”物理与化学理论研究？ AI是否威胁到了传统物理与化学学科的发展？
在一些专家看来，当诺奖进入“AI时代”，这一学术风向标的转变或许促使我们开始思考，在AI大行其道的今天，学科交叉才是科研发展的终极奥义。
物理学奖“跨界”引争议
10月8日，当2024诺贝尔物理学奖的获奖名单公布，约翰·霍普菲尔德与杰弗里·辛顿，两位以人工神经网络研究闻名的计算机科学家获得了物理学的荣誉。
据诺贝尔奖官方，两位获奖者从上世纪80年代开始就人工神经网络进行了重要研究，利用物理学的工具开发了机器学习的基础方法。约翰·霍普菲尔德在1982年提出“霍普菲尔德网络”模型，利用物理学中原子自旋和相互作用的原理，让机器可以模拟人脑进行回忆与联想；杰弗里·辛顿则将霍普菲尔德网络的想法应用于发展“玻尔兹曼机”，玻尔兹曼机可以学习给定数据类型的特征元素，以用来分类图像或创建新材料。这项工作后来被运用到深度学习领域，为当前机器学习的爆炸性发展奠定了有力基础。
两位科学家均凭借对机器学习的奠基性研究而获此殊荣，尽管如“霍普菲尔德网络”这样的模型如今已不再使用，但他们在基础原理上的贡献仍值得如今的人们致敬。《财经》杂志此前也指出，两位获奖者通过物理学的视角，为机器学习提供了新的理论基础。从这种角度来说，他们的贡献绝不仅仅是对某一领域的技术突破，而是在学科交叉点上的深刻洞察。
新澳天天开奖资料大全最新 ,时代资料解释落实_探索版7.422
AI公司DeepMind“狂刷”存在感
10月9日公布的诺贝尔化学奖悉数聚焦在了蛋白质的结构上。蛋白质可以被视为生命的基石，通常由20种不同的氨基酸由无数种方式组合而成。但蛋白质是一个三维的立体结构，其构成的不同影响着作用的不同。如此一来，如何通过一维的氨基酸序列推断出蛋白质的三维结构，就成为了困扰化学家们50多年来的大问题。
图释：一个蛋白质可以由几十个氨基酸到几千个氨基酸组成。氨基酸链折叠成一个三维结构，这个结构对于蛋白质的功能是决定性的。
此前，这类预测需要通过蛋白质结晶的实验来完成，但实验不仅耗费高昂，还需要数月、甚至几年的时间。而本次获奖者中，哈萨比斯、江珀两人领导的DeepMind公司推出的AlphaFold模型利用机器的自主学习，大大提高了预测效率。
2018年，DeepMind正式推出AlphaFold 1模型，并在第13届“蛋白质结构预测奥运会”CASP比赛中，以接近 60%的准确率获得冠军；2020年，哈萨比斯和江珀提出了AlphaFold2模型，该模型能够在广泛领域进行蛋白质结构的预测，并且已预测出研究人员发现的几乎所有2亿种蛋白质的结构；今年5月，DeepMind和Isomorphic Labs 研究团队推出了AlphaFold 3，同时登上《Nature》。据介绍，与现有的预测方法相比，AlphaFold 3 发现蛋白质与其他分子类型的相互作用至少提高了50%，对于一些重要的相互作用类别，预测准确率甚至提高了一倍。
在此之前，DeepMind就因旗下AlphaGo击败围棋高手李世石而备受关注。从游戏转变到生物领域，DeepMind在AI方面持续发力，在今年的诺贝尔奖中也“狂刷”了一波存在感。未来，哈萨比斯透露，AlphaFold 3将应用到医药领域中，利用细胞模拟等技术加速癌症、免疫性疾病的药物研发。
学科交叉成未来主流
从计算机科学获得物理学奖，到AI技术获得化学奖，今年诺贝尔奖的结果无一不彰显着“AI for Science”的重要性。
9月28日，2000年图灵奖获得者、中国科学院院士、清华大学教授姚期智在腾讯联合南方科技大学举办的2024年青年科学家50²论坛上，就提到了利用AlphaFold对蛋白质折叠的三维结构进行预测的案例。他表示，目前人工智能最明显的趋势呈现两方面：一是从弱智能走向通用智能，二是以“AI+X”为主的交叉学科赋能。
澳门一肖中100%期期准 ,时代资料解释落实_探索版7.422
姚期智在青年科学家50²论坛上
如今，AI正为千行百业赋能，“AI+量子”“AI+仿生”等多个人工智能与新兴学科的交叉研究领域均有进展，如利用AI首次实现拓扑时间晶体，具身机器人拥有自主学习能力等等。“目前，生物科技、医疗健康、新材料等都在积极引进人工智能技术，以寻求颠覆性的科技创新，也见到了一些突破性的结果。”姚期智说。
此前，2018年诺贝尔化学奖得主、加州理工学院化学工程教授阿诺德 (Frances Arnold)也在一次演讲中表示：“AI正在改变我们进行科学研究的方式，它增强了我们探索以前难以解决的问题的能力。”联系诺奖的结果看来，作为工具的AI将继续深入地影响更多自然科学领域的研究，学科交叉研究与复合型人才也成为未来的主流。
“这（结果）不仅意味着诺贝尔奖官方对当前科学前沿领域的紧密关注，也预示着AI的发展正从关键的突破期进入对社会具有更广泛影响的新阶段，它不能不被传统社会的目光所注意，也必将被大众所接纳。”知名数字经济学者刘兴亮对此撰文表示。
