人工智能連獲兩項諾獎，這將如何改變科研領域？

10月10日消息，人工智能研究領域本周迎來了引人注目的重大事件：谷歌DeepMind首席執行官德米斯·哈薩比斯（Demis Hassabis）和被譽爲“人工智能教父”的傑弗裏·辛頓（Geoffrey Hinton）分別榮獲諾貝爾化學獎和物理學獎。這一突破性成就是否會對更廣泛的科學激勵機制帶來深遠變革？值得我們深入思考。

以下爲翻譯全文：

哈薩比斯並不知道自己獲得了瑞典皇家科學院頒發的諾貝爾化學獎，直到他的妻子在Skype上頻繁接到一個來自瑞典號碼的電話“轟炸”。

在慶祝獲獎的新聞發布會上，哈薩比斯說道 :“她接了幾次電話又掛掉，但鈴聲依然持續。後來我想她可能意識到這是瑞典的號碼，于是她告訴了他們我的電話號碼。”此次新聞發布會，哈薩比斯與谷歌DeepMind的同事約翰·朱姆珀（John Jumper）共同出席。

哈薩比斯獲得諾貝爾化學獎其實並不令人意外：就在前一天，常被譽爲“人工智能教父”的辛頓（Geoffrey Hinton）與普林斯頓大學教授約翰·霍普菲爾德（John Hopfield）因在機器學習領域的貢獻而榮獲諾貝爾物理學獎。

顯然，我們已經進入了人工智能的時代。現在，通過研究它並爲其他領域做出貢獻，完全有可能獲得諾貝爾獎，就像辛頓和霍普菲爾德所在的物理學領域，還有哈薩比斯與朱姆珀（他們與華盛頓大學的基因組科學家大衛·貝克（David Baker）一同獲獎）聚焦的化學領域。

劍橋大學Leverhulme未來智能中心的高級研究員埃莉諾·德拉格（Eleanor Drage）指出：“這無疑是‘科學領域的人工智能’時刻。

目睹傑出的計算機科學家榮獲諾貝爾化學獎和物理學獎，我們都開始預測誰將摘得和平獎的桂冠。”她辦公室的同僚們還打趣說，xAI創始人埃隆·馬斯克（Elon Musk）已成爲和平獎的熱門人選。

德拉格認爲，向人工智能領域的研究者頒發物理和化學獎項“引發了一場激烈的討論，不僅在這些學科內部，而且在外部也引起了廣泛關注。”她表示，這些獎項的頒發可能基于兩個原因：一是人工智能在學術研究中無孔不入，極大地改變了學科之間的界限；二是“我們對計算機科學家如此推崇，以至于願意將他們歸入任何領域。”

盡管德拉格對于諾獎組委會本周的決定所蘊含的意義持保留態度，但她和其他人都堅信，這一決定將對未來的研究産生深遠影響。

英國科研誠信辦公室前研究誠信經理馬特·霍奇金森（Matt Hodgkinson）評論道：“利用人工智能獲得諾貝爾獎的趨勢可能已初露端倪，這可能會影響研究方向。”然而，問題在于，這種變革是否會朝著正確的方向發展？

作爲本年度諾貝爾化學獎的得主之一，貝克長期以來一直是利用人工智能預測蛋白質結構領域的領軍人物。他數十年來始終致力于攻克這一難題，並逐漸取得了進展。

貝克意識到，明確界定的問題以及蛋白質結構的規範性，使其成爲人工智能算法的一個理想試驗平台。他的成功並非偶然，貝克在其職業生涯中發表了超過600篇學術論文。同樣，谷歌DeepMind的AlphaFold2項目也證明了這一點。

然而，霍奇金森擔憂的是，該領域的研究人員在試圖剖析今年三位諾貝爾獎得主的成功原因時，可能會過分關注技術層面，而忽視了科學本質。

他強調 ：“我希望這不會誤導研究人員，讓他們誤以爲所有的人工智能工具都具備同等價值，從而濫用聊天機器人等工具。”

這種擔憂源于人們對其他所謂“顛覆性技術”的濃厚興趣所帶來的影響。霍奇金森指出：“炒作周期總是存在，最近的一個例子就是區塊鏈和石墨烯。”

谷歌學術論文搜索工具Google Scholar的數據顯示，自2004年石墨烯被發現後，2005年至2009年間，提及該材料的學術論文數量爲4.5萬篇。

然而，在安德烈·海姆（Andre Geim）和康斯坦丁·諾沃謝洛夫（Konstantin Novoselov）因發現石墨烯而榮獲諾貝爾獎後，相關論文的發表數量急劇增加，2010年至2014年間達到45.4萬篇，2015年至2020年間更是突破了100萬篇。但迄今爲止，這種研究熱潮對現實世界的影響仍然有限。

霍奇金森認爲，多名研究人員因其在人工智能領域的工作而得到諾貝爾獎組委會的認可，這種鼓舞人心的力量可能會吸引更多人湧入這個領域，而這可能會帶來科學質量上的變化。他補充道：“人工智能的提議和應用是否具有實質性內容是另一個需要考量的問題。”

我們已經目睹了媒體和公衆對人工智能的關注對學術界産生的深遠影響。斯坦福大學的研究揭示，從2010年至2022年，圍繞人工智能發表的論文數量增加了兩倍，僅在2022年就發表了近25萬篇論文，相當于每天有超過660篇新論文問世。而且，這一數據是在2022年11月ChatGPT引領生成式人工智能革命之前的。

紐約大學坦頓工程學院從事人工智能研究的計算機科學副教授朱利安·托格裏厄斯（Julian Togelius），對于學者們會在多大程度上受到媒體關注、金錢誘惑和諾貝爾獎委員會贊譽的影響感到擔憂。他指出：“通常情況下，科學家們會選擇阻力最小、回報最大的路徑。”

考慮到學術界的競爭本質，資金日益稀缺，並且直接與研究人員的職業發展前景相關聯，似乎有可能將一個熱門話題（如本周這樣有可能爲高成就者贏得諾貝爾獎的領域）與獲取資源相結合，這樣的誘惑可能難以抗拒。

風險在于，這種趨勢可能會抑制創新思維的發展。托格裏厄斯指出：“從自然界中獲取更多基礎數據，並提出人類能夠理解的新理論，是一項極具挑戰性的任務。” 這需要深入的思考和探索。

對于研究人員而言，利用人工智能進行模擬，支持現有理論，並處理現有數據，雖然在理解上只能實現小幅度的提升，而非巨大的飛躍，但這樣的做法效率卻要高得多。托格裏厄斯預測，新一代科學家最終可能會選擇這樣的道路，因爲這樣做更爲簡便。

此外，還存在另一種風險，即那些過于自信的計算機科學家，在推動人工智能領域發展的同時，開始看到人工智能在不相關的科學領域（如物理和化學）獲得諾貝爾獎，並決定效仿他們的做法，侵占其他領域的研究空間。

托格里厄斯警告說：“計算機科學家往往在涉足他們不了解的領域時，不假思索地應用一些算法，然後稱之爲進步。無論這種做法是好是壞，他們都認爲這是理所當然的。” 他承認，由于自己對物理學、生物學或地質學等領域了解有限，他也曾有過將深度學習應用于其他科學領域，並在深入思考之前就急于“推進”的想法。

哈薩比斯是利用人工智能推動科學發展的一個傑出範例。他是一名具備神經科學背景的博士，于2009年獲得該領域的博士學位，並憑借這一專業背景，在谷歌DeepMind爲人工智能的發展做出了重要貢獻。然而，就連他也承認，該行業提高效率的方式已經發生了轉變。

在諾貝爾獎新聞發布會上，他提到 ：“如今，人工智能更傾向于工程化。我們掌握了許多技術，現在主要是在算法上進行改進，而不再直接參考大腦的工作原理。”

這一變化對研究的類型、研究對象、研究人員對領域的了解程度以及他們進入該領域的動機都産生了深遠影響。我們可能會看到更多的計算機科學家參與研究，而不再是那些將一生奉獻給某一專業領域，他們脫離了他們所研究的現實。

然而，這並沒有削弱哈薩比斯、朱姆珀及其同事們對獲得諾貝爾獎的喜悅。哈薩比斯早些時候表示 :“我們已接近完成AlphaFold3的代碼清理，並計劃向學術界免費開放。接下來我們會繼續推進。”---（小小/  易科技報導）