導讀

2024年的諾貝爾獎為我們提供了一個新的獨特視角，窺探科學創新的現在與未來。

雖然歷來諾貝爾獎的揭曉是慶祝新的發現，但近年來的頒獎活動更傾向于： 圍繞科學過程激發全球重要討論。

2024年的諾貝爾獎更是如此，凸顯了技術日益重要的意義，并放大了現有的問題，即新的發現在哪里發生以及如何發生。

C. Brandon Ogbunu｜撰文

深究科學 | 翻譯

在生命科學領域，2024年獎項的揭曉延續了上一年獎項揭曉后開始的討論。2023年諾貝爾生理學或醫學獎授予Drew Weissman 和 Katalin Karikó，“以表彰他們發現核苷堿基修飾，這些修飾使研發出針對COVID-19的有效mRNA疫苗成為可能”。

該獎項因直接提及Covid-19以及圍繞Karikó職業生涯軌跡的討論而備受矚目。在20世紀90年代Karikó被降級為非終身職位后，她被迫于2013年從賓夕法尼亞大學退休。這一獎項的揭曉在科學界立即激起了一場關于基本問題的討論：2023年的獎項說明了學術科學中功績是如何運作的？

2024年這一領域的獎項引發的爭議較小，但同樣涉及科學家評價方式的爭議。2024年的獲獎者之一、發育生物學家Victor Ambros，他于三十年前被哈佛大學拒絕獲得終身職位。這再次表明學術晉升體系存在可疑的標準，連續兩年的諾貝爾獎得主都在現代學術生態系統中面臨了職業的不公和挑戰。

圍繞職業生涯的爭論不應讓我們忽視獲獎科學的魅力。2024年諾貝爾生理學或醫學獎授予Ambros和Gary Ruvkun，“以表彰他們發現microRNA及其在轉錄后基因調控中的作用”，這是連續兩年該獎項授予涉及RNA的發現。microRNA的發現是分子生物學領域的一場革命，因為它與獲得1989年諾貝爾化學獎的催化RNA的發現一起揭示了——RNA在多種細胞過程中發揮的核心作用。

這對現代生物學意味著什么？連續兩年頒發與RNA相關的領域，標志著我們正進入一個時代，即開始認識到在生命形成和分子層面運作中發揮關鍵作用的隱秘參與者。（這一主題在1989年諾貝爾獎得主Thomas Cech的近著《The Catalyst》中有所論述。）

長期以來，RNA一直屈居其“親戚”DNA之下，我們對生命分子基礎的先前觀念體現在分子生物學的經典中心法則（遺傳信息從DNA流向RNA，再流向蛋白質）及相關框架中。最近的諾貝爾獎表明，這些觀念可能需要反思、完善或重新構想。

在2024年諾貝爾化學獎的中，也提到了生命科學中較少受到重視的參與者，該獎項的一半授予David Baker，另一半由Demis Hassabis 和 John Jumper共享，以表彰他們在破解蛋白質結構底層密碼方面的發現。在理解蛋白質折疊問題——即蛋白質底層氨基酸序列如何轉變為功能性三維結構的奧秘，這無疑是科學界最偉大的謎團之一——方面取得的進展。

這一連串與RNA緊密相關的獎項，標志著一個新時代的到來——在這個時代，我們正學會珍視那些在生命構成與分子層面運作中扮演關鍵角色的隱形推手。

2024年化學獎有一個重要細節，涉及科學機構所扮演的角色。Hassabis 和Jumper在DeepMind公司進行了大量開創性工作，開發了名為AlphaFold的計算機程序，該程序利用人工智能技術精確計算出數百萬種蛋白質的結構。

這進一步凸顯了非學術機構在基礎科學中的重要作用，也是Karikó 和 Weissman故事的第三個層面：他們同樣在生物技術產業中構建了mRNA疫苗技術的某些方面。2024年的獎項更是強化了這樣一個觀念：原創性、探索性和基礎性的研究并非學術界的專屬領地，新發現正發生在各類機構之中。

DeepMind的參與還強調了技術——尤其是計算技術——在自然世界研究中新受到的重視。這一問題在2024年諾貝爾物理學獎的討論中也顯而易見。John J. Hopfield和Geoffrey Hinton因為“使用人工神經網絡實現機器學習的基礎發現和發明”而共同獲獎。

值得注意的是，“物理學家”這一頭銜從未出現在Hinton的任何職位描述中。他是一名計算機科學家，其獲獎貢獻在于使用“統計物理學的工具”開發了一種計算進步。雖然物理學界的獎項偶爾會授予數學家（例如2020年的Roger Penrose），但正式身份的計算機科學家獲獎則較為罕見。

然而，圍繞學科界限的對話的討論不乏建設性，這些討論促使人們思考科學分類的流動性和擴展定義的必要性（例如“什么是生物物理學？”）。此外，越來越多的文獻闡述了在創新中相對通才的好處，他們往往不受學科分類的束縛，能夠與具有多種專業知識的人交流。有趣的是，這一描述同樣適用于另一位獲獎者Hopfield，雖然他受過正規的物理學訓練，但幾十年來一直在不同學科（包括生物學）中工作。

最后，將物理學獎授予一位計算機科學家，體現了2024年物理學和化學獎可能留下的最重要遺產：即正式將人工智能和機器學習等計算工具融入基礎科學發現之中。這些獎項迅速引發了一場辯論，即它們是否真正反映了物理學或化學領域的基礎性突破。在AlphaFold的案例中，討論還圍繞人工智能如何受到現有技術（如包含20多萬種蛋白質結構的蛋白質數據庫）和數據源的影響而展開，這場討論與圍繞大型語言模型（如ChatGPT）倫理問題的討論相似，因為這些模型同樣基于來自其他來源的訓練數據。

2024年諾貝爾獎告訴我們，即將到來的機器時代不僅會影響我們的日常生活或娛樂方式，算法現在已成為科學發現的根本特征。

在獎勵某些人的過程中，功績的模糊性一直困擾著我們。當我們未來嘗試頒發世界最高科學榮譽時，可能會面臨一個新的挑戰：技術使得區分人類大腦的終點和計算機字節的起點變得困難。

The Nobel Prizes Tell a Story About Scientific Discovery

https://undark.org/2024/11/07/opinion-nobel-prizes-tell-a-story-about-scientific-discovery/

Deep Science預印本