凌晨1点的加利福利亚州，科学家杰弗里·辛顿（Geoffrey E. Hinton）刚躺下睡了没多久，就被电话铃声吵醒，他在思考是否应该接听。

幸运的是，他按下了接听键，想看看是谁打来的，对方通知他，“祝贺你获得了今年的诺贝尔物理学奖”。 

“这不会是个诳骗电话吧？”杰弗里·辛顿的第一反映是难以相信。终于他不是物理学家，大学一年级时还从物理学专业退学了，由于不会做复杂的数学。

由于其在人为神经网络和深度进建上的凸起成就，杰弗里·辛顿被誉为“AI教父”，并在2018年荣获佑装推算机领域的诺贝尔奖”之称的图灵奖。加上本次获奖更是让他成为史上首位同时获得图灵奖和诺贝尔奖的科学家。

若是只有杰弗里·辛顿一位，今年的诺贝尔奖或许还不至于形成如此轰动热烈的舆论场，直到第二天，诺贝尔化学奖的三位获焦剡中，戴米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John M.Jumper）两位都来自于谷歌旗下的AI团队DeepMind，舆论彻底发作。 

至此，AI成为今年诺贝尔奖的最大赢家。 

为什么是AI？

“这是意料之中的事。”华南理工大学物理系教授姚尧通知界面新闻。 

当他得知今年的诺贝尔物理学奖及化学奖，均授予了人为智能领域的学者时，他的第一反映是，“这事迟早会产生”。由于人为智能是目前最前沿的钻研领域，他幼我此前就有预感，“不是今年，就是明年，总之近两三年内，注定会宣告有关奖项。” 

关于这一点，姚尧提到，诺贝尔奖的宣告准则首先是嘉奖对人类作出沉大贡献的科学技术、发现或理论，而人为智能无疑切合这一尺度，不仅是学界内，甚至表界也有好多人预期到这一点。 

关键在于具体人选上，这次物理学奖获得者之一的约翰·霍普菲尔德（John Hopfield）拥有坚实的物理布景，并且其钻研工作重要颁发在物理期刊上，因而作为物理学界代表获奖，应该不会引起太大争议。 

另一位获焦剡杰弗里·辛顿的情况则有些分歧，由于他险些没有物理布景，专业是认知生理学，其钻研更多地是从神经科学的角度启程，“只管他的工作中也融入了一些与统计物理有关的思想，但这几多让人感触有些勉强。”姚尧称。

不外，这种跨学科的颁奖并不是初次，在从前也有类似情况。例如，去年诺贝尔物理学奖指向的是阿秒激光技术，只管该技术在生物学和化学领域利用较多，但在道理上，它代表了光学领域的一项基础性进展，因而被授予奖项。

此表，姚尧还提到，诺贝尔奖更偏差于嘉奖先驱者，即那些对人类出产生涯产生沉要影响的发现创造背后的奠基者，这也是其一贯风格——嘉奖道理性或奠基性的工作，而非单纯的利用层面。 

同样，今年物理学奖的授予者——约翰·霍普菲尔德在1982年创建了“霍普菲尔德网络”（Hopfield Network），杰弗里·辛顿则以霍普菲尔德网络为基础，发了然玻尔兹曼机，从而援试祠动了机械进建当前的爆炸式发展，即以人为神经网络为主题的深度进建革命。

约翰·霍普菲尔德（左）和杰弗里·辛顿（右） 图片起源：诺贝尔奖官网

 “获焦剡们在上世纪八十年代以来，进行了早期的基础性索求，只管他们的道理在现今的利用版本中已经被迭代更新，但他们是最早提出这些概想的人，为衔接主义和神经网络奠定了基础。”姚尧称。

在诠释物理学与AI更深档次的关系时，中科院物理所钻研员刘淼对界面新闻称，今年诺贝尔物理学奖的主题是人为神经网络，其性质是用推算机仿照性命体的神经细胞接受信号、作出反馈的过程。它仿照的水平越高，就越能像人一样思虑和决策。

“有关理论早在上世纪40年代就被提出，但在其时不被看好。”刘淼称，但随着技术发展，人类的硬件水平、算力不休提升，它逐步变为现实。

只管如此，被AI抢了风头的物理学奖，也免不了受到争议，舆论上的另一拨声音不休涌现，甚至有人谐谑，“和人为智能结合的物理并不是真正的物理！”、““AI拿了奖，物理学不存在了”。

质疑的声音重要集中在“人为神经网络并非传统意思上的‘物理’”。

物理学传统的界说是钻研物质最通常的活动法规和物质根基结构的学科，往年的诺贝尔物理学奖多数比力切合预期。在奖项颁布前，行业内不少人感触今年的物理学奖应该是自旋电子、反
；舳вΑ⑼仄司堤宓劝叩囊桓。

“很意表，真的很意表！学物理和学推算机的人都给干寡言了。”一位认证为中国科学院大学工学博士的知乎用户发文称，“或许是物理学的概想也在与时俱进的产生着变动，而我们对‘物理学’的理解过于狭窄和传统。”

在北师大理论物理博士刘易安眼中，这既在意料之表，也在意料之中。

刘易安通知界面新闻，诺贝尔物理学奖通常只宣告那种创新性极高一些基础物理的突破，还有一些已经现实利用的沉大技术进取。但很显著AI目前利用到物理学钻研傍边，并没有沉大的基础性的突破，一个很典型的特点是没有AI推进的新物理的发现。

“AI更属于推算机算法领域，很难说是物理学上的学科，AI钻研必要的物理知识并不多，这是意料之表的。”刘易安称，意料之内则是由于自早年些年机械进建在物理学中的利用火了以来，已经有了相当多的论文出现。

相比AI在物理学奖上的争议，业内对于AI在化学影响的认同度则更高。

科普作者冷哲在一篇文章中宣称：“若是机械进建在物理学层面属于锦上添花的援手的话，在生物领域，尤其是蛋白质领域，这就是雪中送炭了，或者能够用颠覆性的成就来评价。”

“他们破解了蛋白质奇妙结构的密码。”诺贝尔奖颁奖词写路，蛋白质是生射中奇妙的化学工具。大卫·贝克（David Baker）造作出了全新种类的蛋白质
；戴米斯·哈萨比斯（Demis Hassabis）和约翰·乔普（John M.Jumper）开发了一幼我工智能模型来预测蛋白质的复杂结构，而该问题已存在了50年。他们的发现潜力巨大。

大卫·贝克（左）、戴米斯·哈萨比斯（中）、约翰·乔普（右） 图片起源：诺贝尔奖官网

“没有蛋白质，性命就无法存在。我们此刻能够预测蛋白质结构并设计我们自己的蛋白质，这给人类带来了最大的益处。”瑞典皇家科学院称。

那么，蛋白质设计和蛋白质结构预测有什么用？

冷哲诠释路，“之前我们对于蛋白质的理解，都是说天然界里有什么性质的蛋白质，我们来找一找，找到以来来钻研有什么用，而后看能不能进行一下优化。”

好比典型的例子就是PCR（聚合酶链反映，一种常用的分子生物学技术）用的耐高温的酶，首先是天然界里真的有这种酶，在被找到后进行一些优化，让它变得更好用。

“之前我们对于蛋白质工程的利用，甚至夸大点，都是停顿在原始社会阶段，就像是在山里找个石头很敏感，能够拿来切割，也能够砍人，为了让它更好用一点，就给它敲一敲打磨一下，算是二次加工了。”冷哲称。

而有了蛋白质设计工具以来，科学家可凭据需要，通过AI来定造各类职能的蛋白质，好比抗逆性+很强，又能耐高温，又能耐低温的酶。之前还是合成生物学，将来是设计生物学。

“固然好多idea还很难实现，但这是0和1的区别。之前是不能，此刻能够了。”冷哲称。

由戴米斯·哈萨比斯和约翰·乔普设计出的名为AlphaFold2的AI模型，目前可能预测钻研人员已经确定的险些所有两亿种蛋白质的结构。自2020年诞生以来，AlphaFold2已经被来自190个国度的200多万人使用。

受益于AlphaFold2，钻研人员此刻能够更好地相识抗生素耐药性，并创建能够分化塑料的酶的图像。

然而，也有人指出，当前蛋白质结构以及AI造药领域的基础理论仍旧不完整，无法覆盖尝试结论。不外也有人寄但愿于大模型在算力足够的情况下，可能直接总结法规合成新蛋白。

华南理工大学食品科学与工程学院陈文教授已经和今年化学奖得主David Baker合作，他已经肄业过的尝试室重要钻研膜蛋白工作，会给David Baker提供一些建议，并对他设计的新型蛋白进行验证。

陈文也曾在Nature、Cell、Nature Protocols、Nature Communications、Angew Chem、JACS等高水平期刊颁发论文，获得过哈佛医学院华人性命科学卓越科研奖和中华海表磁共振协会年度科学家奖。

在谈及David Baker获奖时，陈文以“令人折服”作为回应，“但物理奖给人为神经网络，化学奖给AlphaFold，这些都跟物理和化学没有太大的关系。”

陈文通知界面新闻，David Baker的设法比力超前，他设计蛋白质，扭转蛋白质的个性，蕴含设计可溶性的生物膜蛋白。“他设计蛋白的成功率和精准性逐年进取，此刻已经可能凭据部门必要设计蛋白质，也比力成功，只是宽泛的产业利用还有待验证。”

作为行业人士，陈文教授也指出，当前AlphaFold3的部门预测不正确，并且预测蛋白与其他分子的相互作用比力有限。

“以前的科学钻研范式很可能被AI突破”

AI在诺奖的渗入，也预示着交叉学科时期在到来。

今年9月，2000年图灵奖得主、中国科学院院士、清华大学教授姚期智在一场公开论坛上暗示，AI最显著的趋向有两个，一个是从弱智能走向通用智能。另一个是学科间的交叉赋能，使得正本就显著学科交叉的工作，变得越发活跃和沉要。

“必须认可，在人为智能发展的早期阶段，物理学家的确提供了怪异的钻研思路，并作出了很多贡献。”姚尧诠释路，启发式神经网络其实是沿着玻尔兹曼的统计物理思想一路发展起来的，它的发展已有近两百年的汗青，是属于传统物理的钻研内容，只是拓展到了新的钻研内涵。

这显然涉及的是一个交叉学科。人为智能领域融合了物理的思想，同时也蕴含了推算机科学、认知生理学以及神经科学等多方面的知识，是一个综合性很强的领域，难以将其归属于单一学科。

物理、化学、生理学是诺贝尔奖最初的三大领域，但如今学科界限与诺贝尔时期相比已大不一样。如今的科研工作者往往逾越多个学科领域进行钻研，物理学家也可能颁发化学、资料科学、信息学甚至推算机科学的论文。

这种跨学科合作已成为常态。

即便是像推算物理这样看似传统的领域，也在与生物物理缜密结合。一些顶尖学府如麻省理工学院（MIT）或其他驰名机构，已经起头将推算物理纳入生物物理的专业领域内，反映出推算与复杂网络理论的缜密联系。

随着AI在科学钻研中的职位日益凸显，学术界也起头器沉AI教育，很多传统物理专业的课程中起头大量引入人为智能有关内容。这意味着新一代的科研人员将在教育阶段就起头接触并习惯使用AI的思想方式来索求天然法规。

由此可见，交叉学科钻研已成为不成预防的趋向，学科间的融合与调整是必然的发展方向。

“物理学这一基础学科的天堑也在不休拓展。”姚尧对界面新闻称。

他指出，近十七八年来，诺贝尔物理学奖并非总是授予传统物理学的成就。除了引力波这种毋庸置疑的沉大突破表，无数奖项宣告给了交叉学科的钻研成就，例如形象物理、阿秒激光等领域，甚至是量子纠缠，其中也蕴含大量信息学的内容，而不齐满是传统物理学。

2021年，诺贝尔物理学奖宣告给了气象变动领域的钻研，这自身就是一个交叉学科。“气象变动是一个极度大的时期议题。2024年颁给AI，也是诺贝尔奖适应时期发展的潮水，即当前人类发展面对沉大问题可能的解决法子。”刘易安说。

同样的趋向也呈此刻化学奖上，诺贝尔化学奖很少再宣告给纯正的化学钻研，往往是交叉学科的成就。这种景象反映了诺贝尔奖的一个大趋向，即关注各个学科之间的交叉钻研，蕴含天文学、地球物理学、生物学以及信息学等领域。

从更宏观的层面看，AI还将撬动其他领域基础科学钻研过程的钻研范式，即AI for Science（AI4S），这背后存在一个巨大的可发展的创业系统和贸易空间。 

AI4S是指利用人为智能技术来推动和加快科学钻研的新型钻研范式。这种范式通过结合机械进建、数据分析、高机能推算等技术，援手科学家在各个领域进行更深刻的索求和发现。

正如DeepMind和大卫·贝克团队的钻研成就，加快了该领域对于蛋白质结构预测与设计的钻研工作，这将直接推动生物医药领域的研发过程。 

在多个领域，人为智能的利用在启发新世界，例如，推进罕见疾病的发现或推动更可持续资料的发展？蒲Ъ颐钦硌葑诺际Α⑼榛蚋笔值慕巧，利用人为智能利用法式以以前无法达到的快率和规模执行工作。

网易有路CEO周枫对界面新闻暗示，2014年深度进建诞生以来AI给社会经济和科学钻研带来巨猛进取，已渗入到了各个学科，将来AI在好多方面城市超过人类，这会是汗青性的事务，带来好多飞跃，也有很辣手的难题，所以也值得全球关注。

“AI对科学领域的影响力无疑是巨大的，它已经从各个层面扭转了科学钻研的范式。”姚尧对界面新闻称。

AI作为一种壮大的工具被宽泛利用于理论钻延注尝试设计和数据分析中，例如在资料科学、蛋白质结构预测、高能物理数据分析等方面，AI的利用已经成为不成或缺的一部门。

而AI更深档次的的影响，体此刻钻研步骤和思想模式的刷新上。

姚尧介绍，传统的物理学科学钻研步骤通常是基于牛顿力学以来的分析步骤，而此刻，借助神经网络和复杂网络理论，钻研者们可能以全新的视角来理解物质世界的法规。

这种步骤不再依赖于简化模型，而是将钻研对象视为复杂的系统，利用人为智能的概想来探求系统内部的衔接、反馈机造等。

“基础科学的钻研已经进入新时期。”刘易安也认同上述概想，以前的钻研范式很有可能会被AI所突破，至少在诺贝尔奖委员会看来有这个大趋向。

但他以为，钻研范式的扭转并不会一挥而就，目前AI并未走到扭转钻研范式的关键一步。在这方面，我们还有很长的路要走。

“将来的科学新发现，肯定是在人为智能的辅助之下。”毕业于北京大学数学系的明略科技CEO吴明辉通知界面新闻，杰弗里·辛顿的工作跟物理学、脑科学之间有很大的关系
；而alphafold则是直接利用AI解决学科问题，利用AI迭代工作，推动学科进取，这类情况后续应该会大量出现。

他指出，杰弗里·辛顿 （Geoffrey Hinton）获奖是很无意的情况，或者好多年才会出现一次。上一次还是赫伯特·A·西蒙，同时拿了图灵奖和诺贝尔经济学奖，他解决的是组织行为学和人类生理以及信息学之间的问题。

正如杰弗里·辛顿在接受诺贝尔奖电视采访时所说，他一向在钻研大脑是若何工作的，只不外在此过程中援手创造了一项有效的技术——AI。

将来，随着科学的进一步发展，我们或许会看到更多类似的“跨界”诺贝尔奖诞生。