2024年的诺贝尔奖评选中，人工智能领域的研究者们占据了重要席位。
物理学奖与化学奖分别授予了在机器学习及蛋白质结构预测与设计领域做出突出贡献的研究人员。
图：Statue of Alfred Nobel
物理学奖方面，来自美国普林斯顿大学的John J. Hopfield教授与加拿大多伦多大学的Geoffrey E. Hinton教授因“为基于人工神经网络的机器学习奠定基础性的发现与发明”而获得殊荣。
图：2024 年诺贝尔物理学奖得主
Hopfield教授创建了一种能够存储并重建图像和其他数据模式的联想记忆模型。
Hinton教授则发明了一种可以自主地从数据中找到特性，并完成诸如图像中特定元素识别等任务的方法。
他们的工作证明了物理学工具可以用于开发今天强大的机器学习方法。
Hopfield网络通过一种类似于材料因原子自旋而表现出特性的物理方法来保存和重构模式。
图：自然神经元和人工神经元
当网络接收到扭曲或不完整的图像时，它会逐步更新节点值以降低网络的能量水平，从而找到最接近输入图像的已保存图像。
图：记忆存储在景观中
而Hinton教授则在此基础上发展出了玻尔兹曼机，这是一种能够学习识别特定类型数据特征的新网络。
图：不同类型的网络
该机器通过输入大量可能实例进行训练，能够用于分类图像或者生成与其训练模式相似的新示例。
化学奖则颁给了David Baker教授以及Google DeepMind的Demis Hassabis与John M. Jumper。
图：2024 年诺贝尔化学奖得主
Baker因其“计算蛋白质设计”的贡献获奖，而Hassabis和Jumper则是因为“蛋白质结构预测”的突破性成果而共同获得另一半奖项。
他们利用人工智能解决了预测蛋白质复杂结构这一困扰科学界超过半个世纪的问题，同时Baker教授成功地使用计算机化的方法设计出了全新的人工蛋白质。
图：蛋白质可以由从数十个氨基酸到数千个氨基酸的所有氨基酸组成，氨基酸链折叠成对蛋白质功能起决定性作用的三维结构。
DeepMind开发的AlphaFold2模型不仅能够准确预测蛋白质结构，其代码还被公开供全球研究者使用。
图：AlphaFold2 如何运作？
这极大地加速了科学研究的速度，以前需要数年时间才能确定的蛋白质结构现在只需几分钟即可完成。
图：使用 Baker 程序 Rosetta 开发的蛋白质。
此外，Baker教授实验室也不断推出创新的蛋白质设计，包括药物、疫苗、纳米材料和微型传感器等。
图：使用 AlphaFold2 测定蛋白质结构。
此次诺贝尔奖的颁发，反映了人工智能技术在科学研究中的重要作用及其对人类社会的巨大潜力。
无论是机器学习还是蛋白质设计与预测，这些成果都展示了科学技术进步的可能性，并将对医疗健康、材料科学等多个领域产生深远影响。
关注我们：即可加入【AI交流群】，免费领取【AI大礼包】
