AI在诺贝尔奖上大放异彩，从业者是喜是忧？

AI与诺贝尔奖：意外的结合

AI在诺贝尔奖中的“逆袭”

2024年的诺贝尔奖着实让人大跌眼镜，尤其是在物理学奖和化学奖方面。10月8日，诺贝尔物理学奖颁给了AI领域的“人工神经网络”，10月9日，化学奖又与“蛋白质设计和蛋白质结构预测领域”相关，其中一半奖项属于谷歌旗下的AI团队DeepMind。这一系列的颁奖结果，就像在平静的湖面上投入了巨石，引起了轩然大波。

对于AI出现在诺贝尔奖这样的舞台上，很多人在颁奖之前是完全没有预料到的。在物理学奖揭晓之前，网络上各种预测铺天盖地，但几乎没有人预测到会是AI相关的成果获奖。就像一位北大物理学院毕业的博士所观察到的，在他的朋友圈里，大部分学物理的人在往年诺贝尔奖公布后，最多就是转发一下消息，但今年物理学奖公布后，大家都纷纷发表评论，而且负面评论居多。这表明这个结果是多么的出乎人们的意料。

从业者的最初反应：惊讶与困惑

物理学界的“震动”

当物理学奖授予与AI相关的成果时，“物理学不存在了。”这样一句出自《三体》的话被很多圈内人士转发。这充分体现了物理学界从业者的惊讶。在传统的物理学家眼中，他们所理解的物理是自旋电子、反常霍尔效应、拓扑绝缘体等方面的研究。而人工神经网络似乎和他们心中的物理概念相去甚远。一位认证为中国科学院大学工学博士的博主就表示，官方给出的获奖理由有点牵强，学物理和学计算机的人都被这个结果弄得不知所措。

化学界的意外

在化学奖方面，虽然AlphaFold在蛋白质结构预测方面有着划时代的意义，但它问世仅仅三年，就获得诺贝尔奖，这在很多从业者看来也是有些过早的。比如遗传学专业的博士吴海旭，他虽然认为蛋白质结构预测大概率能获奖，但觉得获奖时机稍早。还有西北农林科技大学生物学研究人员也觉得这个奖有些出乎他的意料，一方面是因为物理学奖已经颁给了神经网络机器学习领域，而AlphaFold基于神经网络开发，感觉诺奖对AI过于偏爱；另一方面是因为诺奖在生物相关领域向来偏向实验科学，这次颁给计算生物学领域，显示出向AI时代、虚拟化转型的想法，这与以往的风格不同。

AI获奖的合理性探讨

物理学奖：学科边界的扩张

新的研究内涵

虽然很多物理学家对物理学奖授予AI相关成果感到不解，但也有部分人认为这是物理学边界的合理扩张。物理系教授姚尧就提出，谁来定义物理不应该由躺在旧领域刷论文KPI的人决定。启发式神经网络是沿着玻尔兹曼的统计物理思想发展起来的，有着近两百年的历史，属于传统物理的研究内容，只是拓展到了新的研究内涵。而且由于统计物理在整个物理学中的从业人数较少，大多数从业者不熟悉这方面的进展，才会产生疑问。

交叉领域的成果

香港科技大学（广州）助理教授谢泽柯也解释道，此次诺贝尔物理学奖是统计物理和理论机器学习的交叉成果。这两个领域在物理和AI圈子里都是少数派，而从这个交叉角度来看，这个奖的颁发是合理的。洛桑联邦理工学院物理学博士梁师翎也表示，机器学习的发展最初受物理启发很大，从物理角度研究机器学习是把“人工神经网络”当作客观对象去理解其工作原理，这是一个正在崛起的领域，尤其是统计物理涵盖面很广，研究机器学习并不奇怪。

化学奖：AI对化学研究的巨大推动

AlphaFold的价值

对于化学奖授予与AlphaFold相关的科学家，其合理性在于AlphaFold本身的价值。西北农林科技大学生物学研究人员认为，AlphaFold为生物学的研究者提供了蛋白质结构生物学基础，原本需要专业结构生物学研究人员花费数月乃至数年的工作，现在非结构生物学专家也能完成，这带来了蛋白质化学和生物化学领域的革命。

AI在化学研究中的应用前景

中科院生物学博士刘耀文提到，AI工具在生物或化学领域的应用，在蛋白质结构预测、药物研发和多组学等生物学领域已经发挥了重要作用，特别是在药物研发领域，用AI来寻找、设计药物已较为常见。例如在预测基因后进行实验检测，有10%-20%的预测正确率已经是很高的比例了。这表明AI在化学相关研究中的应用有着巨大的潜力，化学奖授予与AI相关的成果也是对这种趋势的一种认可。

从业者的不同态度：支持与质疑

支持方：新的学科发展方向

对传统学科的革新意义

一些从业者对AI获得诺贝尔奖持支持态度。在物理和生物领域，有研究者认为诸如物理学这种基础学科正在扩展自身边界，机器学习已被纳入研究范畴或已对该领域研究工作产生影响。像梁师翎所说，很多新兴学科早期发展都由物理学推动，如机器学习、神经科学乃至量化金融，物理学的边界不断扩张是一种必然趋势。

AI成为科学的标志

对于AI学者来说，这次诺贝尔奖有着特殊的意义。一名人工智能学者在物理学奖得主揭晓后评论“人工智能终于不是技术，而是科学了。”这表明在他们看来，AI在诺贝尔奖上的获奖是对AI作为一门科学的认可。Meta首席AI科学家杨立昆也表示，Rosetta、AlphaFold等由机器学习驱动的成果影响巨大且有望在未来产生更大影响。这也从侧面反映了AI在科学领域的重要性正在不断提升。

质疑方：时机与传统观念的挑战

获奖时机过早

不少从业者对AI获奖提出质疑，其中一个重要的点就是获奖时机。就像前面提到的，遗传学专业的博士吴海旭认为蛋白质结构预测开始普遍应用才三年前，这与以往诺贝尔奖考虑机制上有重大突破、研究成果成熟且造福人类的风格不太一样。西北农林科技大学生物学研究人员也觉得AlphaFold问世才3年就获奖显得“稍早”。

对传统研究方式的冲击

在生物学领域，存在一种观念认为做实验的方式更好，而做计算、AI则是“取巧”。这种传统观念使得一些从业者对AI获得诺贝尔奖存在抵触情绪。他们认为传统的研究方式才是扎实可靠的，而AI在他们眼中还没有经过足够长时间的考验。

AI与诺贝尔奖背后的深远意义

对学科发展的导向作用

鼓励交叉学科研究

诺奖委员会的这一颁奖决策可能对未来的学科发展有着导向作用。理论物理博士刘易安认为，AI是一个交叉学科，涉及数学、物理、计算机等领域，诺奖未来可能更偏向颁发给这种交叉学科。这会鼓励更多的研究者去涉足交叉学科领域，打破学科之间的壁垒，促进不同学科之间的融合与发展。

推动传统学科的变革

对于传统学科来说，AI在诺贝尔奖上的获奖可能是一种变革的信号。在生物学中，刘耀文就提到，希望生物学者能更认真审视以AI为代表的技术在生物学中的意义，时代不同了，要做出改变。这意味着传统学科不能再局限于原有的研究模式，需要积极接纳新的技术和方法，以适应时代的发展。

对AI发展的影响：机遇与挑战

发展的机遇

AI在诺贝尔奖上的大获全胜，无疑给AI的发展带来了新的机遇。一方面，这会吸引更多的资源投入到AI领域，无论是资金还是人才方面。更多的科研机构和企业可能会加大对AI研究的投入，吸引更多优秀的人才加入到AI的研发中来。另一方面，这也会提高AI在社会各界的认可度，让人们更加重视AI在各个领域的应用和发展。

面临的挑战

AI也面临着挑战。AI在读博士、知乎博主@平凡就认为，AI已经发展到了瓶颈期，虽然行业还在进化，但速度会放缓，因为数据的积累是循序渐进的，而AI非常依赖于训练数据和计算资源。这意味着AI在未来的发展中需要克服这些瓶颈，寻找新的突破点，才能继续保持高速发展。

展望未来：AI与诺贝尔奖的后续影响

AI在诺贝尔奖中的未来趋势

AI在读博士、知乎博主@平凡表示，诺贝尔奖未来在很长一段时间内不会再颁给AI了，除非出现像AGI（通用人工智能）这样具有突破性的成果。这表明AI要想再次在诺贝尔奖上有所斩获，需要在技术上有质的飞跃，而不仅仅是在现有的基础上进行改进和优化。

对从业者的长期影响

对于从业者来说，这次AI在诺贝尔奖上的获奖无论是支持还是质疑，都会对他们的职业发展和研究方向产生长期的影响。对于支持的从业者来说，他们可能会更加积极地投入到AI与传统学科的交叉研究中，探索更多的可能性。而对于质疑的从业者来说，他们也需要重新审视自己的观点，思考如何在传统研究方式和AI带来的新变革之间找到平衡，以适应未来学科发展的趋势。

相关问答

AI为什么能获得诺贝尔物理学奖？

诺贝尔物理学奖得主利用物理学工具开发了如今强大机器学习的基础方法，基于人工神经网络的机器学习正在彻底改变诸多方面，如开发新材料，虽然有争议，但从学科交叉发展和对物理学内涵的拓展角度有一定合理性。

诺贝尔化学奖颁给AI相关成果是不是太早了？

从传统诺奖评判标准看可能稍早，因为AlphaFold问世仅三年，应用还未完全实现。但从其对蛋白质结构预测的首创性、影响力和高应用价值，以及对化学和生物化学领域带来的变革来看，也有获奖的道理。

AI获奖对传统物理学家有什么冲击？

传统物理学家习惯的研究领域如自旋电子等，而AI相关的人工神经网络获奖打破了他们对物理学奖的传统认知，感觉物理学的边界被扩大到他们不熟悉的领域，引起了他们对物理学定义和学科发展方向的重新思考。

AI在生物化学领域的应用前景如何？

在生物化学领域，AI已经在蛋白质结构预测、药物研发等方面发挥作用。像AlphaFold大大缩短了蛋白质结构预测的时间，在药物研发中AI预测基因后实验检测有较高正确率，未来有望在更多方面如设计特殊功能蛋白质、提高药物研发效率等发挥更大作用。

诺奖颁给AI会鼓励更多学科交叉研究吗？

很可能会。诺奖的权威性会让更多研究者看到交叉学科的潜力，如AI涉及多学科，此次获奖表明交叉学科成果也能得到诺奖认可，这会吸引更多人才和资源投入到交叉学科研究中，打破学科界限。

AI发展到瓶颈期了吗？

有观点认为AI发展到了瓶颈期，因为它非常依赖训练数据和计算资源，目前素材使用渐趋饱和，发展速度会放缓。但也有很多人认为AI仍有很大发展空间，如向AGI发展等，所以是否到达瓶颈期还存在争议。