在2024年诺贝尔奖的颁奖典礼上，人工智能的力量掀起了波澜。今年的化学和物理学奖项分别授予了那些在AI领域做出重大贡献的科学家，这一决策在学术界引发了广泛讨论。化学奖聚焦于开发出AlphaFold等AI工具的科学家，这些工具不仅能够预测蛋白质结构，还能设计出功能强大的新蛋白。而物理学奖则表彰了神经网络的开创者，但并非所有人对此欢欣鼓舞。
10月10日Nature杂志就发表了一篇社论，题目为“AI comes to the Nobels: double win sparks debate about scientific fields （人工智能进入诺贝尔奖：两次赢（诺奖）引发科学领域的争论）”。下面我以前看看这篇社论到底讲了什么。
当瑞典皇家科学院公布物理学奖得主时，社交媒体上随即燃起了争议。许多物理学家质疑，得奖的机器学习和人工神经网络是否真的属于物理学的范畴。一位天体物理学家甚至公开表示，他无法将这一发现与物理学联系起来，质疑诺奖是否被AI的“风口”所左右。
然而，也有不少科学家认为，这一奖项所表彰的正是跨学科研究的魅力。哈佛大学的理论物理学家Matt Strassler指出，得奖的研究本质上融合了物理、数学、计算机科学和神经科学的知识，在这一层面上，这种研究完全符合诺贝尔奖的物理学标准。
实际上，神经网络的研究与物理学的确有着深厚渊源。Hinton和Hopfield开发的“波尔兹曼网络”和“Hopfield网络”正是基于能量模型的物理学原理。虽然神经网络的发展逐渐脱离了物理学，但物理学的思想正在回归，帮助我们更好地理解深度学习系统的复杂性。
更令人瞩目的是，化学奖项也被AI的浪潮所席卷。Demis Hassabis和John Jumper凭借其开发的AlphaFold工具，在蛋白质折叠领域取得突破性进展，获得了半数化学奖的肯定。与之共享奖项的是David Baker，他的蛋白质设计工作虽未使用机器学习，但同样引领了生物学的新方向。这一奖项的颁发，展示了AI不仅改变了物理学的研究方式，也在化学生物学领域掀起了革命。
AlphaFold的成功并非一蹴而就，它依赖于多年的生物学积累，特别是来自全球科学家的共同努力，如蛋白质数据库中的20万余个蛋白质结构，这些数据为AI的训练提供了坚实的基础。John Jumper在新闻发布会上强调，这一过程并不是“按下AI按钮就自动完成”的，它是科学家们不断迭代的结果，结合了对蛋白质的深入理解与AI的智能架构。
从1901年起，诺贝尔奖一直在表彰那些对社会产生深远影响的科学研究与发明。今年的AI胜利并不例外。正如加州科学作家Anil Ananthaswamy所言，诺奖有时也颁发给杰出的工程项目，例如激光和PCR技术，这些发明同样对社会产生了巨大的影响。
2024年的诺贝尔奖在科学界掀起了有关学科边界的热议，而这一讨论也反映了当代科学的融合与拓展。物理学正在变得越来越宽泛，不再局限于过去的定义；与此同时，AI作为新兴力量，正在重新定义化学和生物学的未来。随着AI的介入，科学的边界被打破，未来的诺贝尔奖或许将继续见证这一变化。
