2024年诺贝尔奖解读:
认知神经科学家们过年了
今年的诺贝尔生理学或医学奖、物理学奖、化学奖、文学奖与和平奖从10月7日到11日相继揭晓,经济学奖于14日公布。人类幸福5+1!说会自然科学!
除了文学奖之外,本文会对几个基础科学奖的研究内容做简单的科普,并且提供自己对心理学、认知科学、人工智能和统计学领域研究的思考。
诺贝尔化学奖
10月9日,2024年诺贝尔化学奖公布:一半授予大卫·贝克(David
Baker),“以表彰在计算蛋白质设计方面的贡献”;另一半则共同授予德米斯·哈萨比斯(Demis Hassabis)和约翰·M·詹珀(John M. Jumper),“以表彰他们在蛋白质结构方面的成就”。德米斯·哈萨比斯和约翰·詹珀成功地利用人工智能技术预测了几乎所有已知蛋白质的结构;大卫·贝克掌握了生命的构建模块,并创造了全新的蛋白质。
戴密斯·哈萨比斯是认知神经科学的博士生哈哈哈哈~突破项目是蛋白质结构。蛋白质是一种三维结构物质,换个形状功能和性质就改变,是非常精细化和专业化的化学研究领域,也是医学领域的热门方向。
折磨过每一个心理学和生物学学生的“视蛋白分子”,结构是这样的:
回到诺奖上,让蛋白质结晶是件非常困难和具有类型特异化的事情,耗费数月、甚至几年,需要特殊而且昂贵的仪器才能得到特定蛋白质的三维结构并将其结构可视化。因此无数博士可能终其一生都在研究单一蛋白质的折叠……效率和艰苦可想而知。
戴密斯·哈萨比斯用来做蛋白质结构预测的模型叫AlphaFold。AlphaFold出现之前,确定蛋白质三维结构都需要通过实验来完成。AlphaFold出现之后,科研人员可以通过软件模拟和预测蛋白质结构,人类(尤其是前沿研究的科研人员的幸福)可预见性就大大提高了。
人工智能AlphaFold如今已经迭代到AlphaFold3,但每一代的科学预测能力都非常强劲:
AlphaFold:2021年7月,AlphaFold成功预测了近98.5%的人类蛋白质结构。到了2022年7月,AlphaFold预测了几乎“整个蛋白质宇宙”;
AlphaFold2:能够直接从蛋白质的氨基酸序列中预测蛋白质的3D结构,能够达到原子级精度。因此被认为解决了困扰人类50年的蛋白质折叠挑战,迅速推进对基本生物过程理解的知识量,促进药物设计 ;
AlphaFold3:具备药物设计的能力,可以预测药物设计中与蛋白质结合的中常用的分子(如配体和抗体),并且预测类似药物相互作用方面达到了前所未有的准确性。
但是模拟始终不能代表现实可行性。药物的研发和治疗效果的验证和投产,还有最终能被患者使用,有漫长的路要走。但是可以预见的巨大好处是,一些因为“没有巨大市场盈利价值”的罕见病药物研发可以借助AI的算力进行模型测试,寻求技术或成本上的突破;而对于现有疾病的新药研发,强大的人工智能也帮助寻找更低副作用和更有效的解决方案。
因此,本年度的诺贝尔化学奖是从人工智能的角度对计算和结构化学的认可。
诺贝尔物理学奖
10月7日下午,2024年诺贝尔物理学奖揭晓。2024年诺贝尔物理学奖颁发给了约翰·霍普菲尔德 (John Hopfield)与杰弗里·辛顿(Geoffrey
Hinton),以表彰他们在人工神经网络机器学习方面的基础性发现和发明。
这次的诺贝尔物理学奖目前的应用主要体现在机器学习领域,但由于近几个月大语言模型(LLM)和各种逆天人工智能(ChatGPT、Sora、Midjourney等)的出现,和认知神经科学的关系也十分密切。本次推送的次条文章从计算心理学的角度分析了这次物理学奖(请移步次条文章了解更多),那么我就简单介绍一下两位科学家的奖项怎么“物理”了,又怎样“心理物理化”吧。
Hopfield关于人脑活动的观点跟复杂系统科学层面的定义有关。他认为人脑是由巨量神经元组成的网络型动力系统,一部分神经元的活动引起另一部分神经元的活动。因此如果将这些神经元看成整个动力系统的坐标,可以将人脑的思维理解成动力系统随时间的演化过程的模拟。在模型的视角下,记忆、决策的过程都是动力系统中不同吸引子作用下的运动结果。这时候就有人说了,物理呢?物理呢?还是人工智能!同学们!统计物理学也是物理学啊!Hopfield巨大的贡献体现在他将抽象的概念模型化,后来人可以用模型甚至坐标系的方式构建出可模拟和实证的物理模型。
物理是永恒的,今年的诺贝尔物理学奖可以视为科学界对计算物理和复杂系统领域基建工程应用化的巨大认可。 Hopfield 提出的神经网络模型可以看作是复杂系统和统计物理中的经典模型——“伊辛模型”(Ising Model)的一种优化和扩展。
另外,今年的诺奖也特别对认知科学的发展提供了清晰的认可。伊辛模型能够体现复杂系统中普遍存在的有序与无序竞争。Hinton在Hopfield模型基础上做了扩展,得到一种能够区分输入和输出的二分结构网络,其中一部分接收输入数据,另一部分则起到记忆作用(受限的玻尔兹曼机, Restricted Boltzmann machine)。将多种这样的网络串联起来就形成了深度的网络,从而成功创建了第一个“深度神经网络”架构。
Hinton在1980-82年间在剑桥大学CBU(当时叫APU,Applied Psychology Unit)担任研究人员,参与了包括“物体知觉”、“人机交互”、“运动控制”、“认知建模和计算模拟”等项目,涵盖了当时流行的认知心理学以及早期的计算建模(如今被更系统地归入认知科学和认知计算领域)。一位目前在剑桥进行研究和学习的学长查阅剑桥档案后发现,Hinton参加的主要项目是关于认知建模和计算模拟,尤其是基于认知的并行加工理论。档案提到,Hinton开发并模拟了一个并行处理模型,更适用于心理学现象分析,并将其应用于记忆、知觉和运动技能。并评价道:该研究方向非常有前景,不仅对理解人类认知有重要意义,也有潜在的对计算机设计的重大影响(陆润豪,2024)。从他的项目里能看到心理学和物理学的结合,人工智能早期是如何与心理学联系起来的。
Hinton在CBU/APU工作的时间很短,但他的工作和心理学和早期认知科学有关。20世纪80年代计算机算力有限,技术发展也很缓慢,并行加工认知理论模型不能被有效模拟预测或被更主流的心理学流派抛弃。如今却在人工智能领域得到应用的爆发,甚至作为新时代科学的基础物理学定位获得了诺贝尔物理学奖,不可谓不跌宕起伏和神奇。
如今计算神经网络和人工智能独立于心理学,跟数学、数学建模、统计学、复杂系统的关系更大,但是依然影响我们关于“什么是人”以及认知心理学关于“什么是思维和记忆”的看法。
诺贝尔生理学或医学奖
10月7日下午,2024年诺贝尔生理学或医学奖揭晓,科学家维克托·安布罗斯
(Victor Ambros)和加里·鲁夫昆(Gary Ruvkun)因发现微小核糖核酸
(microRNA)及其在转录后基因调控中的作用获奖。
可以说两位科学家在基因层面发现了生命的密码。因为microRNA的基因调控作用对生物体的发育和功能具有根本性的作用。一个microRNA可以调控多个不同基因的表达,反之,一个基因也可能受到多个microRNA的调控,从而协同和微调整个基因网络。
安布罗斯和鲁夫斯发现lin-4基因不影响lin-14基因编码mRNA,而其编码的microRNA似乎是lin-14基因的负调控因子。在负调控因子的作用下,lin-14的调控作用发生在蛋白质合成阶段:由于lin-4基因编码的microRNA抑制
lin-14基因编码的mRNA生产蛋白质。这一发现揭示了一种全新的基因调控原理,由一种此前未知的RNA实现—— microRNA。
最早microRNA的发现来自于这两位获奖科学家的工作。90年代期间,安布罗斯和鲁夫昆对不同细胞类型如何发育感兴趣。他们研究了一种名为秀丽隐杆线虫(C. elegans)的两个变异株:lin-4和lin-14,发现这些突变株在发育过程中表现出基因激活时间的异常。他们在1993年发表论文,但并未在科学界引起注意。然而,2000年,鲁夫昆的研究组在秀丽隐杆线虫中发现了另一种microRNA,由let-7基因编码。与lin-4不同,let-7基因在整个动物界高度保守。
这一发现就重要了——有机生物都是细胞体,基因编码基本过程DNA-mRNA(信使RNA)-蛋白质)也是细胞发育的过程。如果micro RNA是动物体内高度保守的,也就说没有microRNA,细胞和组织就无法正常发育。
这个引起科学界重大关注的“东西”(micro RNA)广泛地存在和作用在我们的基因编码结果里:
安布罗斯与鲁夫昆各自在自己的实验室开展研究。与let-7基因发现的差不多同时,安布罗斯发现:lin-4基因产生的一个异常短的RNA,是抑制lin-14的因子;
与此同时,鲁夫坎发现lin-4并不影响lin-14基因产生mRNA,而是抑制lin-14的mRNA生产蛋白质;他还发现lin-14的mRNA中有一个关键片段,是lin-4对其进行抑制的调控因子。
也就是说,安布罗斯和鲁夫昆在基因层面研究细胞发育的起源,找对了地方。
microRNA现在的一个重点应用在癌症治疗上,它被视为一个癌症治疗的新型靶点。如果感到难以理解的同学们可以想一想,干细胞(stem cell)的发现对于器官移植治疗领域的重要作用,就可以理解现在的研究者们试图用人工制造的反义序列干预这些microRNA的作用,由此实现对肿瘤组织的控制的未来治疗愿景。诺贝尔奖官方解释目前已发现人类基因组编码超过1000个microRNA,希望基因治疗重大疾病的一天可以早日到来。
✦
•
✦
最后顺便一提,预测蛋白质折叠结构AlphaGo是AlphaFold的前身。戴密斯·哈萨比斯是AlphaGo(围棋“阿尔法狗”)的主要设计者。不知道有多少看过《棋魂》的人,你当年看到新闻的时候有发自内心地想过这是佐为回来了吗?不过,AlphaFold的设计成功让戴密斯·哈萨比斯和约翰的公司的发展方向从游戏转向科学,他们希望对现实世界产生更大影响。
但是,可能读者们不知道的是,游戏世界(广泛地包含游戏设计、游戏研究和游戏科学)正在与深度的人工智能、生物医学、复杂系统和可视化算法/模型进行合作,为人类的娱乐、认知、教育和发展甚至疾病治疗提供着深刻而且复杂的新办法。作者曾经为抗癌公益机构设计过电子游戏,在游戏设计中结合叙事治疗的隐喻和外化干预方式,提供给4-8岁的癌症小朋友,让他们认知发展的关键期获得正确而且合理的疾病认知和社会支持(家长和成年人也可以玩,一般认知干预都能增加认知弹性的~)。
这届诺奖可以说是对未来的科技应用方向的导向性意义深远,也深深地认可了人工智能和认知科学的未来科学作用。作为这些复合科学的地基,基础物理学、基础化学、生物学、心理学和统计学的突破更多地与跨学科实践结合起来。基础科学的突破转化成应用,以及要等到产生普世有益效果的过程都是漫长的,但在人工智能的算力为这一障碍提供了可以想象的效率优化可能性。希望未来会来~
今天先这样,文学奖就不讨论了。附上今年的诺贝尔文学奖信息,关心人类命运的人都值得被看见和铭记~大家再见~
诺贝尔文学奖
10月10日晚,瑞典文学院在斯德哥尔摩宣布,将2024年诺贝尔文学奖授予韩国女作家韩江Han Kang,代表作《素食者》。瑞典文学院称赞她「深邃的诗意散文勇敢直面历史创伤,揭示人类生命的脆弱。」
参考文献
(点击图片可直接跳转直播课程的详细介绍)