火箭都能回收，汽車都可以沒有方向盤，諾貝爾文學獎，也遲早將是AI的？

文：中外管理傳媒 王爽

責任編輯：胸懷天下

今年的諾貝爾獎被AI拿了個大滿貫。

10月8日，瑞典皇家科學院宣布，將2024年諾貝爾物理學獎授予美國科學家約翰·霍普菲爾德（John J.Hopfield）和英裔加拿大科學家杰弗里·辛頓（Geoffrey E.Hinton)，以表彰他們“通過人工神經網絡實現機器學習的基礎性發現和發明”。

霍普菲爾德是地道的美國科學家，父母都是物理學家，自己在普林斯頓大學教分子生物學。更為公眾所熟知的辛頓，被稱為“AI教父”，在2018年榮獲有“計算機領域的諾貝爾獎”之稱的圖靈獎。現在，大半個AI圈的頂尖研究者都是辛頓的“徒子徒孫”，其中就包括Open AI的前首席科學家伊利亞，Meta的首席AI科學家楊立昆，百度的前首席科學家吳恩達，以及散落在各個高校和各大公司的精英們。

然而，物理學界的“震驚”還未平息，諾貝爾化學獎又在一天之后再次將榮譽授予了AI領域。

10月9日，瑞典皇家科學院宣布，將2024年諾貝爾化學獎授予戴維·貝克（David Baker)，以表彰其在計算蛋白質設計方面的貢獻；另一半則共同授予英國倫敦谷歌旗下人工智能公司“深層思維”（DeepMind）的德米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John M. Jumper)，以表彰他們在計算蛋白質設計和蛋白質結構預測方面的突破性貢獻。

至此，人們發現，2024年諾貝爾獎中，AI領域無疑成為了“最大贏家”。

為何AI主導了今年的諾貝爾獎？我們又能從中獲得哪些啟示和收獲？

當AI成為“基建”

“物理學獎花落AI”，出乎了許多人的意料。在獎項揭曉前的各種預測中，幾乎從未出現過這兩位獲獎者的名字。然而，回顧兩位科學家的研究成果，人們不難理解其獲獎原因。正如諾貝爾獎委員會所評價的：“盡管計算機無法思考，但現在，機器已經可以模仿人的記憶并具備學習等功能。今年的物理學獎得主為實現這一目標作出了貢獻。”

霍普菲爾德于1982年提出了一種能夠存儲和重建模式的聯想記憶網絡。可以將其理解為，該網絡模擬了人腦記憶的功能，只要它學習過的內容，就能夠根據殘缺的信息恢復出完整的信息。例如，當使用者唱出一首歌中的一句歌詞時，它能夠繼續唱出整首歌曲。

在稍后的1985年，辛頓在霍普菲爾德提出的聯想記憶網絡的基礎上引入了隨機性，創造了“波爾茲曼機”。比起聯想記憶網絡只能想起它學過的東西，“波爾茲曼機”可以做到，在輸入的數據中，自己找到規律，甚至生成出新的數據。

盡管當時這兩個神經網絡的性能表現尚顯不足，實用性有限，但正是這兩個源自1980年代的研究成果，奠定了現代人工智能的理論基礎和核心理念。它們開創性地將神經網絡應用于信息處理系統。正是在這些研究的基礎之上，通過多次迭代和大量節點的擴展，才形成了我們現在所見的神經網絡結構。可以說，沒有這些基礎研究，就不會有今天的人工智能發展。

諾貝爾化學獎的三位得主，其成就可以統稱為發明出了讓人類能夠快速地預測出蛋白質結構，以及能設計新蛋白質的工具和方法。

戴維貝克，在2003年成功設計出了一種全新折疊結構的人工蛋白質Top7，開創了人工蛋白質設計的新紀元。之后，深度學習的人工神經網絡逐漸嶄露頭角。

DeepMind團隊的研究成果，實際上就是通過AI在幾分鐘內就能預測出蛋白質結構，并且已經預測出了98%以上的人類蛋白質。但在這之前，要了解一種蛋白質結構，可能需要花費很多年，并且花費幾百萬甚至上千萬的費用。

初中的生物課就講過，蛋白質是生命細胞的主要組成部分，可以說是一切生命活動的主要承擔者。諾貝爾獎獲得者的發明就厲害在，現在的AI能協助科學家非常高效，而且低成本地了解各種蛋白質的結構。進而知道這些蛋白質有什么樣的功能，能做什么樣的藥，治什么樣的病，對健康有什么作用。可以說，因為有了他們的發明，我們有了探究生命本質的清晰路徑。

其實，諾貝爾獎這一次對AI的認可和承認，是將AI作為了基礎的技術。可以預見，隨著AI技術的不斷演進，AI在不同領域都將發揮重要的“基建”功能。未來AI和其他關鍵技術更深度結合，共同推進科技革命，也是必然出現的趨勢。

跨界高人的頓悟

今年的諾獎也引發了科學界對于交叉研究的深入討論。

近年來，諾貝爾物理學獎越來越垂青于那些跨越多個學科領域的交叉研究。從2020年頒給數學家彭羅斯，到2021年頒給研究復雜系統的氣象學家真鍋淑郎和克勞斯·哈塞爾曼，再到今年的霍普菲爾德和辛頓，這些獲獎者無一不是“跨界高人”。

今年所有的獲獎者，今年所有獲獎者，均難以界定為某一特定學科領域的專家。他們的研究領域涵蓋文學、哲學、物理、化學以及生物學，甚至辛頓還曾跨行做過木匠。以辛頓為例，他運用統計物理學的方法來解釋智能，并采用數學工具進行計算，結合“木匠”的堅持精神，成功復現了生理學的神經網絡模型。

這或許反映了一個現實，在當前的研究中，單一領域的思考和解決問題的方式已經顯得不足。今年的諾貝爾物理學獎和化學獎授予了AI領域的科學家，這不僅是對他們的卓越貢獻的肯定，更是對科學界的一次深刻啟示：在未來的科學探索中，技術與學科的交叉融合將成為常態，而AI作為這一融合過程中的核心驅動力之一，將推動科學研究不斷突破傳統框架，實現更加深遠、更加廣泛的創新。

實際上，不只是進行研究的學者要跨學科研究，我們普通人在AI時代下都需要盡可能廣泛地調用知識和利用范式。

就以近期日益不活躍的制造業為例，是企業的需求不旺盛嗎？并非如此，有多少制造型企業巴不得今天下單，明天設備就能到位、系統就能上線，產出產品并迅速結算。但這完全不現實，因為采購有流程、基建有過程、設備要設計、組裝、調試……哪一樣都急不來。

盡管人類已經開發了各種平臺工具去賦能制造業，但是驅動這些工具的核心引擎還是人。智能時代中的我們，其實可以選擇調用更多的知識與技術，就如借力AI。

從更長的歷史視角來看，AI會淘汰一些工作，但也會催生其他工作，這種持續不斷的趨勢實際上提供了一種替代方案——更多地利用技術，專注于從更高抽象層次制定“知識戰略”，將具體實現細節委托給AI。

長期主義者的勝利

辛頓從1980年代就開始研究神經網絡，但當時神經網絡是人工智能界最不看重的方向。甚至，在辛頓讀博以后，連他的導師都倒戈了，一直在勸他不要“做異想天開的事兒”。因此，盡管辛頓在1980年代就已經發表了研究成果，并在后續的研究過程中持續創新，但這些成果始終未能引起足夠的關注。

終于，辛頓等來了GPU的興起。強大的算力如同久旱后的甘霖，為人工神經網絡的發展注入了蓬勃活力，也為辛頓的研究帶來了重大轉機。此后，他帶領學生一路披荊斬棘，在人工智能領域斬獲多個具有里程碑意義的成果。

其實，現在包括ChatGPT在內的眾多大模型能面世，并不是因為這幾年有了突破性研究，而是因為辛頓孤獨地堅守在這個長期冷門的角落里，一坐就是近30年。春天的到來，是因為有人挺過了寒冬，所以如今的辛頓，才會被尊稱為“AI教父”。辛頓能夠獲得諾貝爾獎，是長久的堅持，是長期主義者的勝利。

為何辛頓能在無人喝彩的孤獨歲月里堅守30年？或許，是源于一份樸實的好奇心。

如今成就卓越的辛頓，其最初的研究動機其實相當單純——他只是想探究大腦的運作機制。為了尋求答案，辛頓先后涉足了物理學、建筑學、生理學、哲學以及心理學，直至30歲才確定了自己的終身事業方向——人工智能。正是這份純粹的好奇心，使他始終堅守在這一領域。

回到最初的問題，為何今年多個諾貝爾獎的桂冠被AI摘得？實際上，答案就隱藏在問題之中。在100多年前設立諾貝爾獎時，諾貝爾在他的遺囑里說過一句話只有當一項發明或發現能夠真正改變世界并產生深遠影響時，才能榮獲諾貝爾獎。

而當今的AI技術，正是這樣一項具有劃時代意義的發明。