要知道，自打1901年诺贝尔物理学奖设立以来，这还是100多年来头一遭发给看起来不那么"物理"的研究。
别说我们这些吃瓜群众了，连得主自己都惊呆了。
获奖的两位大神，一个是 John J. Hopfield（约翰·霍普菲尔德），另一个就是被称为"AI教父"的 Geoffrey E. Hinton（杰弗里·辛顿）。
把获奖图片发给AI，连AI都有点不敢相信。
诺贝尔奖的官方新闻稿中是这样说的：
“今年的两位诺贝尔物理学奖获得者利用物理学工具开发了现代强大机器学习的基础方法。约翰·霍普菲尔德创造了一种联想记忆，能够存储和重建图像及其他数据模式。杰弗里·辛顿则发明了一种能够自主识别数据属性的方法，从而执行识别图像中特定元素等任务。”
其实简单来讲，就是Hopfield 和 Hinton 两人为2010年左右开始的机器学习革命奠定了基础。
有意思的是，当被问到平时用什么AI工具时，辛顿说他也用GPT-4，不过他自己对GPT-4的输出还是持保留态度的，这让我想起我们用AI生成的设计稿，总得自己再过一遍才放心，对吧？
辛顿预测在五到二十年间，AI可能会比人类更聪明。
但最近，他的态度开始转变，甚至说对自己毕生的工作感到后悔。这种心情，可能就像我们看着AI设计工具一步步进化，既为效率的提升欣喜，又有点担心它会不会最终取代我们。
诺贝尔物理学委员会的主席说，获奖者的工作已经带来了巨大好处，比如开发新材料等等。
他们的研究成果对很多物理领域产生了影响，别看AI整天被说"威胁人类"，但它在科研界可是实打实地在帮人类干活：
在大型对撞机里，AI就像个火眼金睛的"质检员"，从数以亿计的粒子碰撞中找出希格斯粒子。
探测引力波时，AI又成了一个超级"降噪耳机"，把宇宙中最微弱的"悄悄话"也给听出来了。
AI肉眼可见地加速了科学研究的进度，这才是这次奖项颁给AI领域的原因。
更神奇的是在蛋白质结构预测上。以前科学家得到一个蛋白质结构就能评个诺奖，现在有了AI软件 AlphaFold，变得跟用PS处理图片一样方便！
这不，今天公布的2024诺贝尔化学奖，一半授予华盛顿大学医学院生物化学教授、蛋白质设计研究所所长大卫 · 贝克（ David Baker ），以表彰其在 “ 计算蛋白质设计 ” 方面的成就；
另一半则共同授予谷歌 DeepMind 的CEO兼联合创始人德米斯 · 哈萨比斯（ Demis Hassabis ）和 DeepMind 项目总监约翰 · 江珀（ John M.Jumper ），以表彰他们在 “ 蛋白质结构预测 ” 中的贡献。
不得不说，今年的诺奖算是正式给AI时代拉开了大幕。
把它们带到我们眼前的，就是艺术家 Niklas Elmehed。
作为地道的瑞典人，2012年，Niklas 被任命为诺贝尔媒体的艺术总监，负责诺贝尔奖期间的所有视觉设计。
当时许多获奖者的照片要么分辨率太低，要么根本找不到高质量的图片。这可怎么办？
于是，一个大胆的想法浮现在Niklas的脑海中：为什么不尝试用手绘的方式来代替照片呢？他在时间紧迫的情况下，用黑色马克笔勾勒出了获奖者的草图，并用金色的金属箔作为点缀。
没想到，这一临时起意的举动，却意外地受到了广泛好评，并逐渐成为诺贝尔奖的一个标志性元素。
正如 Niklas 自己所说的那样，尽管这些科学家们因为他们的智慧和成就而获得诺贝尔奖，但每一幅肖像画背后，都有一个真实的人，一个用工具创作的艺术家。
这背后其实还有挺多渊源，如果大家感兴趣，下次我再专门写一篇讲讲 Niklas 与诺奖头像的故事。
连科学家们都已经在全情投入用AI来设计新材料、新方法。
作为设计师，我们不妨也多想想如何与AI共舞，让它成为我们的得力助手。
