AI霸榜、哈佛拒絕、亞洲首位……「爆冷」的諾獎得主們有哪些精彩人生？

從10月7日起，盧保生理學或醫學獎、物理學獎、化學獎、文學獎、經濟學獎等獎項陸續揭曉。

從1901年首次頒發至今，盧保獎已經走過了120多個年頭。1895年，63歲的瑞典化學家盧保立下遺囑，用3100萬瑞典克朗的遺產設立了盧保基金會。作為世界上最負盛名的獎項，盧保獎旨在授予全球在物理、化學、生理學或醫學、文學、和平、經濟6個領域取得非凡成就的人。

每年的盧保獎都是一大看點，今年的盧保更是因為AI引發全網討論。先是將盧保物理學獎授予兩位AI領域的學術大牛John J. Hopfield和Geoffrey E. Hinton，以表彰他們「為利用人工神經網絡進行機器學習做出的基礎性發現和發明」。緊接著，第二天的盧保化學獎的一半頒給了DeepMind公司的丹米斯·哈薩比斯（Demis Hassabis）和約翰·祖普（John M. Jumper），以表彰其在蛋白質結構預測方面的貢獻。

AI成為諾獎熱門的背後，可以看到AI正在逐步推動物理、化學、生物、醫療等多個學科交叉賦能，同時也引發了全球科學界乃至全社會的熱烈關注與深度思考。人們熱議著：盧保文學獎會發給ChatGPT嗎？未來AI能替代人類科學家嗎？

除了AI，今年的每一位諾獎得主背後都有著精彩的人生故事和獨特的個性。他們從興趣出發，在自己的研究領域引領了各自學科的發展、推動了社會的進步。今天這篇文章，分享了他們得獎背後的故事。以下，Enjoy:

曾被哈佛拒絕的諾獎得主

10月7日，2024 年盧保生理學或醫學獎正式公佈。美國科學家辛捷士·岩布路斯和蓋瑞·魯夫坎獲得2024年盧保生理學或醫學獎，以表彰他們發現了微小核糖核酸（microRNA）及其在轉錄後基因調控中的作用。

微小核糖核酸這個名詞聽起來很冷僻，但和我們每個人的健康息息相關。人體的器官和組織由許多不同的細胞類型組成，它們的 DNA 中都存儲了相同的遺傳信息，但這些不同的細胞表達有獨特的蛋白質集，這便需要基因活性的精確調節。並且，基因活動必須不斷微調，以使細胞功能適應我們身體和環境不斷變化的條件。如果基因調控出錯，可能會導致癌症、糖尿病或自身免疫等嚴重疾病。

microRNA是真核生物中一類內源性的小非編碼RNA。從胚胎發育開始，到細胞凋亡，乃至腫瘤生長，miRNA在一系列生理和病理過程中發揮著重要的作用。各種遺傳、代謝、傳染病和腫瘤相關的miRNA為科學家進行病理研究提供了新的角度，可能成為可靠的疾病生物標誌物，科學家們也正積極地通過改變miRNA的功能、研發新的體內遞送方法，尋求對疾病干預治療的手段。

遺傳信息從 DNA 到 mRNA 再到蛋白質的流動。相同的遺傳信息存儲在我們體內所有細胞的 DNA 中。這需要精確調節基因活性，以便只有正確的基因集在每種特定細胞類型中具有活性。© 盧保生理學或醫學委員會。馬迪亞斯·卡倫

維克多·岩布路斯和蓋瑞·魯夫昆的突破性發現揭示了一種全新的基因調控原理，該原理對於包括人類在內的多細胞生物至關重要。現在已知人類基因組編碼超過1000個microRNA。他們令人驚訝的發現揭示了基因調控的全新維度。事實證明，microRNA對於生物體的發育和功能至關重要。

可是，辛捷士·岩布路斯和蓋瑞·魯夫坎最開始發現microRNA的時候，並沒有得到科學界認可。20世紀80年代末，辛捷士·岩布路斯和蓋瑞·魯夫坎是Robert Horvitz 實驗室的博士後研究員，Robert Horvitz曾在2002年獲得過盧保獎。

二人想要研究基因調控的機制，但是人體太複雜了，所以他們選擇了一種只有1000多個細胞的小生物——隱杆線蟲。他們研究了兩種突變的蠕蟲菌株 lin-4 和 lin-14，它們在發育過程中表現出遺傳程序激活時間的缺陷，希望識別突變的基因並瞭解它們的功能。

這個實驗並未得到外界的理解，並未動搖兩位科學家的研究信心。博士後研究結束後，辛捷士·岩布路斯在哈佛大學新成立的實驗室中分析了 lin-4 突變體，併發現lin-4 基因產生一個異常短的 RNA 分子，該分子缺乏蛋白質生產密碼；蓋瑞·魯夫坎在麻省總醫院和哈佛醫學院新成立的實驗室中研究了 lin-14 基因的調控，實驗還揭示了 lin-14 mRNA 中的一個片段，該片段是其被 lin-4 抑制所必需的。

這兩位科學家還與哈佛有一段小插曲。岩布路斯並未獲得哈佛的青睞，他曾在哈佛擔任助理教授，但卻因各種原因未能獲得終身教職，於1992年轉到了達特茅斯醫學院。而魯夫坎雖然在哈佛取得了顯著的成就，但他的主要工作並非在哈佛完成。

1992 年 6 月 11 日晚上，辛捷士·岩布路斯和蓋瑞·魯夫坎交換了lin-4 和 lin-14 基因的序列數據，二人猜測，正是這種互補配對使得它們之間能夠產生互相抵抗的作用。二人進行了進一步的實驗，表明 lin-4 microRNA 通過與 mRNA 中的互補序列結合來關閉 lin-14，從而阻斷了 lin-14 蛋白的產生。一種新的基因調控原理被發現，它由一種以前未知的 RNA 類型 microRNA 介導！結果於 1993 年發表在《細胞》雜誌上的兩篇文章中。

這篇論文發表的結果卻遭到了科學界幾乎震耳欲聾的沉默，大多數人認為這隻不過是線蟲這種小生物為了適應生活環境而做出的適應性調整。直到2000年，魯夫坎發表了第二個miRNA——線蟲里的let-7，後來岩布路斯也陸續發現新的miRNA。隨著測序技術的發展，人們發現許多生物的基因組中都有成千上萬的microRNA。

這一發現可以稱得上是科學史上是概念性的突破。科學界已經充分意識到，很多重要的基因調控都是由microRNA來介導完成，對microRNA的研究已經逐漸深入。兩人第一次發現miRNA在轉錄後通過各種不同的分子機理調控基因表達，最創新之處是miRNA可以調控發育。隨著研究的深入，大家逐漸發現它們還可以調控抗病毒反應、各種疾病的發生。現在很多製藥公司試圖利用miRNA的工作機理設計、開髮針對一些疾病的藥物。

物理學不存在了？

香港時間 10 月 8 日，2024 年盧保物理學獎正式授予了約翰·J·霍普菲爾德 (John J. Hopfield) 和傑佛瑞·E·辛頓 (Geoffrey E. Hinton)，「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」。

這兩位在機器學習與人工神經網絡領域深耕數十年的超級技術大佬得知自己獲得了盧保物理學獎，都感覺到十分意外。傑佛瑞·辛頓（Geoffrey Hinton）在淩晨兩點接到盧保獎委員會電話時，最初想法是：我沒有想到（I have no idea that will happen），怎麼能確定這不是個惡作劇電話？

坦白說，機器學習先驅Hinton、Hopfield共同獲獎，的確出乎所有人意料：大多數人預測物理學獎大熱門仍是傳統的凝聚態物理領域，沒想到最後是人工智能專家拿了盧保物理學獎。

此前，盧保物理學獎從未直接頒發給計算機科學相關的研究，為何如今卻「跑偏」選擇了人工智能領域？

要知道，如今的AI能夠學會翻譯語言、識別圖像，甚至合理對話，這些背後都離不開兩位盧保物理學獎得主的努力。他們運用物理學的工具，構建了能夠存儲和重構信息、自主發現數據特徵的方法，為今天強大的AI網絡鋪平了道路。

當我們深入瞭解這兩位科學家的科研之路，也會瞭解到這次盧保物理學的背後用意。

約翰·霍普菲爾德原本是一位「不務正業」的物理學家，這裏的「不務正業」只是想強調這位科學家學科背景的多元化。約翰·霍普菲爾德年輕時也一直在從事物理學方面的研究，一次偶然機會參與了神經網絡相關項目，整個研究小組全是心理學家和生物學家，只有他一位物理學家。正是這次機會，他被深深吸引了——「對我來說，思想如何從大腦中產生是我們人類提出的最深刻的問題，而這個擁有多元化人才和極大熱情的NRP小組正在追求這一目標」。

在這之後，霍普菲爾德研究方向轉向生物學，開始著手將物理學概念引入人工神經網絡領域。霍普菲爾德創建了一種聯想記憶方法，可以存儲和重構圖像或其他類型的數據模式。他基於物理學的自旋系統，提出了一種能存儲和重建信息的聯想記憶模型，這一模型使得神經網絡可以通過不完整的輸入進行自我修正，重建出原始模式——這就是「霍普菲爾德網絡」。

霍普菲爾德網絡的基本思想是：每個節點類似於圖像中的一個像素，節點可以被視為系統中的能量狀態，而這個網絡的目標，是通過不斷調整節點之間的連接權重，降低系統的能量，力圖找到最穩定、最節省能量的狀態。此時，網絡輸出的圖案就是重建後的完整圖案。這一機制不僅使機器可以重建部分丟失或受損的圖像，還能從部分輸入中提取出整體信息。

以霍普菲爾德網絡為基礎，傑佛瑞·辛頓又將人工神經網絡推進到了全新的高度。Hinton是史上首位圖靈獎+盧保物理學獎的獲獎者，是公認的「深度學習之父」，有趣的是，圖靈獎有「計算機界的盧保獎」之稱。可在他的研究成果得到世人認可之前，他坐了30多年的冷後備依舊兢兢業業。

從1972年到蘇格蘭愛丁堡大學攻讀人工智能博士起，他選擇的神經網絡研究方向就一直不被學術界看好，認為是沒有未來、註定失敗的一條路。甚至在他深入研究這一領域多年後，人工智能甚至被人們普遍認為算不上科學。

可是辛頓卻認為這樣的經歷對科學家是非常好的訓練：「讓你對自己的觀點充滿信心，每個人都可能是錯的，你需要堅持自己的主張，直到實現它或者否定它，做科學就需要這樣的精神。」

科學研究需要耐性，更需要天時、地利、人和，當時的人工神經網絡均不具備。在科學界普遍不認可神經網絡和人工智能的時候，霍普菲爾德網絡的出現一定程度上補足了「人和」的短板。在霍普菲爾德發佈關於聯想記憶的文章後，辛頓從Hopfield網絡出發，利用統計物理學的思想，構建了引人注目的「玻爾茲曼機」。經過訓練的玻爾茲曼機可以在以前沒有見過的信息中識別熟悉的特徵，成為了生成式模型的雛形。

2012年，辛頓和他的學生發表了一篇題為「Deep Neural Networks for Acoustic Modelling in Speech Recognition」的開創性論文，首次證明了神經網絡是當時最先進的技術——在識別語音模式方面優於隱馬爾可夫模型（HMM）和高斯混雜模型（GMM）等經典模型。

隨即，這一年成為了人工智能的突破之年。在ImageNet競賽中，辛頓和學生Alex、Ilya基於計算機視覺領域的老古董——神經網絡算法建立的計算機視覺系統能夠識別1000個物體，最終在ImageNet競賽中獲勝。次年，辛頓的公司DNNresearch被Google收購，而他本人也被招募進Google兼職。

他的研究幫助啟動了當前機器學習的爆炸性發展，為Google、微軟、IBM等科技巨頭開發語音識別、圖像識別、自然語言處理等應用提供了堅實的技術基礎。

如此看來，霍普菲爾德和辛頓兩位科學家研究領域，雖然不屬於當代物理學的四大分支（高能物理學、天文物理學、原子分子和光學物理學，以及凝聚態物理學），但他們成為人工智能領域的奠基人離不開物理學的支撐。

神經網絡的研究不僅僅局限於生物學和計算機科學，它還包含了許多物理學的核心思想，如梯度下降、伊辛模型等。這些物理概念不僅為神經網絡的理論提供了基礎，也為算法的優化和應用提供了工具。此外，史丹福的應用物理學教授表示，人工智能的很多重要基礎都依賴於物理學，拿獎理所當然，而且理解和改進人工智能已經成了物理學的新的前沿課題了。

更重要的是，近幾年物理學獎頻頻頒給物理學與其他學科交叉領域做出重大貢獻的科學家，這也證明了科學從來不是孤立的。

AlphaGo之父喜提盧保獎

今年的盧保獎快被AI霸榜了。

10月9日，瑞典皇家科學院宣佈，2024年盧保化學獎將一分為二，一半授予大衛·貝克（David Baker），以表彰他「利用計算機進行蛋白質設計」的成就。

另一半則花落Google，共同授予GoogleDeepMind公司的首席執行官德米斯·哈薩比斯（Demis Hassabis）和高級研究科學家約翰·M·詹珀（John M. Jumper），以表彰他們「在蛋白質結構預測方面的貢獻」。

前有「深度學習之父」辛頓得到盧保物理獎，後有AlphaGo之父得米斯·哈薩比斯（Demis Hassabis）和同事一起拿了盧保化學獎。與物理獎有著同樣的疑惑，盧保化學獎為何也落在了AI領域？

被譽為「AlphaGo之父」的哈薩比斯早就享譽國際科技圈，他創辦的DeepMind，曾在全球範圍內引起過一輪人工智能熱潮。生於1976年的哈薩比斯8歲自學編程，13歲時達到了大師標準。本科以優異成績畢業於劍橋大學，後來在倫敦大學學院拿到了認知神經科學博士學位，又在MIT和哈佛做博士後。

2010年，哈薩比斯與在倫敦大學學院讀博士遇到的施恩·萊格(Shane Legg)共同創辦了DeepMind並擔任CEO。在他的帶領下，DeepMind開發的AlphaGo從零開始學習並掌握複雜任務的能力震驚世界，後來AlphaGo打敗了世界頂級圍棋手李世石，讓全世界掀起了一輪AI創業熱潮。

幾年後，DeepMind的AlphaFold在蛋白預測領域做出卓越貢獻。盧保獎委員會評價稱，來自Google的科學家哈薩比斯和詹珀則開發了一種名為AlphaFold2的人工智能模型，這種模型解決了一個已有50年歷史的難題，能夠預測大約兩億種已知蛋白質的複雜結構，並且已被全球200多萬人使用。

預測蛋白質的複雜結構究竟有多難？AI又是如何解決這一難題？

蛋白質由數十個氨基酸到數千個氨基酸呈念珠狀連接形成三維形狀，這種結構對蛋白質的功能起著決定性作用。自20世紀70年代以來，研究人員一直試圖從氨基酸序列預測蛋白質結構，但這項工作十分困難且耗時長。觀察蛋白質結構使用昂貴的電子顯微鏡或X射線晶體分析儀，耗費數月、甚至幾年，才能得到三維結構並將其結構可視化。無數博士和科學家研究單一蛋白質的摺疊。

蛋白質可以由從數十個氨基酸到數千個氨基酸組成，氨基酸鏈摺疊成對蛋白質功能起決定性作用的三維結構。©Johan Jarnestad/瑞典皇家科學院© Johan Jarnestad/瑞典皇家科學院

困擾科學家的難題，被AI輕易攻克了。作為AlphaFold的第一作者，John Jumper在芝加哥大學獲得博士學位，主要研究方向是使用ML來模擬蛋白質摺疊和動力學，現任英國倫敦GoogleDeepMind高級研究科學家。他稱得上是Alphafold成長過程中的功臣之一。

2018年，DeepMind團隊帶著第一代AlphaFold參加第十三屆全球蛋白質結構預測比賽（CASP），表現雖然不錯，但還沒有達到足夠高的準確率。

John Jumper果然決定拋棄原本的路線，重頭開始。其實，早期版本的「 AlphaFold2」表現比它的前輩差得多，但John Jumper依舊沒有動搖，繼續堅持下來。

2020 年，Hassabis 和 Jumper 提出了一種名為AlphaFold2 的 AI 模型。AlphaFold2 能夠直接從蛋白質的氨基酸序列中預測蛋白質的3D結構，並且達到原子級精度，被認為解決了困擾人類50年歷史的蛋白質摺疊挑戰，迅速推進了人類對基本生物過程的理解，並促進藥物設計。

在全球蛋白質結構預測比賽中，AlphaFold2 的三維蛋白質結構預測模型準確率超過90%，比最接近的競爭對手高出5倍。會議組織者John Moult打消了所有疑慮。他幾乎斬釘截鐵地表示：AlphaFold2已經「基本解決」了蛋白質摺疊問題，並永遠改變了蛋白質科學。

此外，今年5月推出的AlphaFold3更被視為可以將蛋白質帶入廣泛的生物分子領域，讓生物開發與藥物設計、基因組學研究實現AI化飛躍的重要工具。

Hassabis 和 Jumper利用AI解決了一個困擾學界長達半個世紀的難題；另一位化學獎得主David Baker成功完成了這一幾乎不可能完成的壯舉——製造全新種類蛋白質。

David Baker是華盛頓大學蛋白設計所的主任，人生經歷也是一段傳奇。他出生在高知家庭，父母均是華盛頓大學父親研究弦理論和夸克，母親研究天體物理和大氣科學，而David Baker卻跑到哈佛讀起了哲學和社會科學，只是為了搞懂人腦如何做決定。

意外的是，David Baker又因為一本名為《細胞分子生物學》的書，開始對生物學感興趣。於是，他從哲學跨界到生物學，開發了從頭設計自然界從未出現的新型蛋白的技術，並首次使用生成式人工智能從頭設計出了全新的抗體，有望讓AI從頭設計蛋白進入抗體藥物市場。

與物理獎一樣，化學獎也向眾人宣告：AI正在給科學發現帶來的深刻變革：AI for Science，將引領科學前沿。

亞洲首位女性盧保文學獎得主

10月10日下午，瑞典學院將2024年度盧保文學獎頒給了南韓作家韓江,「以表彰她用強烈的詩意散文直面歷史創傷，揭示人類生命的脆弱」。因此，韓江成為了第一位榮獲此獎項的亞洲女性作家。

1970年，韓江出生在南韓光州的書香世家，父親韓勝源是南韓著名作家。在家庭氛圍影響下，韓江從14歲便立誌要成為一名作家。後來，她成功考入延世大學韓語文學系，1993 年在雜誌 문학과사회（「文學與社會」）上發表了多首詩歌，開始了她的職業生涯，發佈多部散文作品、小說和短篇小說。

真正讓韓江在國際文壇嶄露頭角的作品是《素食者》。這本小說講述了女主人公在一場噩夢之後，突然開始拒絕吃肉，結果卻被丈夫和專製的父親強行拒絕。她還與姐夫發生醜聞，也曾被送往精神病診所，她的姐姐試圖營救她並讓她恢復「正常」的生活。然而，女主越來越深地陷入了一種通過「燃燒的樹木」表達的精神病般的狀況中，「燃燒的樹木」象徵著一個既誘人又危險的植物王國。

韓江通過描寫一名女性對南韓守舊傳統的叛逆抵抗，探索人內心抑壓的瘋狂與傷痕。在2016年獲得國際布卡獎時，韓江說，《素食者》可以看成是反對父權製的寓言，但她並不認為這僅僅屬於南韓社會，世界各地雖然程度有差別，但現像是普遍的。

盧保官方評價她的作品：韓江的作品敢於直面歷史創傷和無形的規則，並在她的每一件作品中揭露了人類生命的脆弱。她筆下的人物形象既精確又簡練，不僅傳達了過去對現在的力量，而且試圖揭露集體遺忘的事物，並將他們的創傷轉化為一個共同的藝術項目。她對身體與靈魂、生者與死者之間的聯繫有著獨特的認識，並以她的詩歌和實驗風格成為當代散文的創新者。

經濟學獎得主：如何縮小國家之間巨大的收入差距？

10月14日，2024年盧保經濟學獎得主揭曉。MIT教授Daron Acemoglu、MIT教授Simon Johnson、芝加哥大學James A. Robinson獲得這一獎項，表彰其「制度如何形成以及如何影響繁榮的研究」。這些獲獎者對長期影響國家經濟繁榮的因素做出了創新性研究。