“诺贝尔文学奖没颁给ChatGPT吗”“是不是以后格莱美要给Suno，奥斯卡得给Sora”……一众幽默调侃、科学“吃瓜”的背后，是一份出人意料的获奖名单。
10月8日，诺贝尔物理学奖花落机器学习领域，颁给了约翰·J·霍普菲尔德（John J. Hopfield）和杰弗里·E·辛顿（Geoffrey E. Hinton）这两位AI先驱，以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”。就在次日，Rosetta和AlphaFold的多位研发者，戴维·贝克（David Baker）、戴米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M. Jumper）共同斩获了2024年诺贝尔化学奖，这两款算法被用来设计及预测蛋白质结构。
接连被AI获奖刷屏，网上网下都“炸了锅”。今年的诺贝尔奖为何如此偏爱AI？有人认为，人工智能已经是“游戏规则”的改变者，也有人质疑，为何不奖励实验方法和材料等重大革新，反而去奖励工具的运用？
捷足先登：破解世纪难题
不可否认的是，蛋白质三维结构解析，一直是生物学领域“珠穆朗玛峰”般难以逾越又屹立不倒的话题，AI在攻克这一难题中起到了颠覆性作用，得到了相关领域学者和本届诺奖化学组委会的绝对肯定。在科学探索的苦途，AI正牵引着学界攀登一座座高峰。
AlphaFold与打败了李世石的围棋博弈算法AlphaGo师出同门。2016年，戴米斯·哈萨比斯的AI系统AlphaGo在比赛中击败了人类世界冠军，这让他回忆起自己在大学时玩蛋白质折叠游戏Foldit的经历。那么，能否再开发出一个算法，模拟Foldit玩家成功折叠蛋白质的经验？
2020年12月，上百位计算科学家参与了一场线上会议，讨论着永恒的问题——蛋白质结构预测，即人们能否凭借一段蛋白质分子的一维序列，精准预测出它的三维结构。一长串氨基酸分子链本身没有任何功能，直到它自发折叠成固有形状，也就是蛋白质结构。蛋白质的结构决定了自身与其他生命分子结合或相互作用的方式，从而定义它在细胞中的作用。蛋白质的错误折叠或展开可能造成许多疾病与身体障碍，破解蛋白质结构预测问题，将深刻改变我们对疾病、新药研发以及生命机制的理解。以往的会议讨论往往进步缓慢，而今天他们将见证该领域新纪元的展开。
会议中，约翰·江珀展示了全新的AI工具“AlphaFold2”，它能够基于蛋白质的氨基酸序列来准确预测其结构，准确率超过90%，解决了困扰生命科学领域近七十年的难题，一举震惊学界，“AlphaFold2将改变一切的论调”席卷媒体头条。今年5月，新版本AlphaFold3上线，引领生物学预测技术进入下一阶段：构建蛋白质与其他分子结合的复合体结构。这场嬗变被称为“迄今为止最宏大的机器学习驱动科学的故事”。不过，AI无法填补的鸿沟仍然客观存在，比如许多学者提到，这类工具无法准确模拟蛋白质随着时间推移而发生的变化，无法构建处于自身生存环境即细胞中的蛋白质的动态结构。
无远弗届：探索未至之境
AlphaFold的成功无疑改变了许多科学家对于人工智能运用在严肃的科学研究领域的态度。在传统视野里，计算、理论、实验这三者鼎足而立，都是标准的研究范式。而现在，人工智能成了第四种范式。
“癌症、气候变迁、能源、基因组学、宏观经济学、金融系统、物理学等，太多我们想掌握的系统知识正变得极其复杂。如此巨大的信息量让最聪明的人穷其一生也无法完全掌握。那么，我们如何才能从如此庞大的数据量中筛选出正确的见解呢？而一种通用人工智能思维的方式则是自动将非结构化信息转换为可使用知识的过程。我们所研究的东西可能是针对任何问题的元解决方法（meta-solution）。”早在2016年哈萨比斯对人工智能的设想就已经很宏大，他希望通过AI将科学加速，提升效率，拓展深度，同人类专家合作，解决现实世界的问题。
AI for Science（人工智能驱动的科学研究，AI4S）时代，交叉学科爆发，基础科学接纳了机器学习这一潜能无限又充满不确定性的领域。一切科学领域，最终都会发展到数字计算阶段，而科学研究数据的产生速度远远超出人类的处理能力。AI算法能够快速、准确分析大数据集并进行预测，进而为多领域的研究提供支撑。在数学领域，2017年以来，科学家尝试使用机器学习、ResNet、seq2seq模型等技术求解偏微分方程，获得了更快更准的结果。2021年，DeepMind开发了启发数学家直觉灵感的机器学习框架，助力研究人员在Knots理论方面发现新定理，证明了已提出40年之久的Kazhdan-Lusztig多项式。在材料科学领域，2016年Nature发布了美国哈弗福德学院和普渡大学的研究成果，科研人员利用机器学习算法，用实验数据预测了新材料合成......
在关于这些应用的众多讨论中，甚至是研发人员，都反复提到一个问题：然后怎么做？历史上，科学一直是关乎自然的，是对于生命和宇宙背后过程的探索，深度学习工具只是解决方案，而不是探索的过程本身。人工智能显然能推动解决特定类型的科学问题，但是在推进知识进展方面，它对于科学家的帮助是有限的。
诺贝尔奖对AI的偏爱，是对人工智能在助力科学研究、推动人类知识发展方面贡献的认可，也是激励更多研究人员利用人工智能，突破研究瓶颈，无远弗届，拓展研究边界。无论技术的洪流如何裹挟，原始创新仍然取决于人类的引导。
编辑：于莉莉
监制：邵素宏
