AI攻佔諾獎背後：新的技術革命成為社會進步發展的重要引擎

「超越人類智慧的AI可以用語言操縱我們，或許會試圖說服我們不要關掉開關。」

今年3月，由ChatGPT掀起的AI（人工智能）技術革命背後的奠基性科學家、被譽為「AI教父」的傑佛瑞·辛頓（Geoffrey E. Hinton），曾對媒體提及他對AI「反噬人類」的擔憂。如今，在他心中「危險和機遇並存」的AI，為他帶來了盧保物理學獎的榮譽。

當地時間10月8日，瑞典皇家科學院宣佈，將2024年盧保物理學獎授予美國普林斯頓大學的約翰·霍普菲爾德（John J. Hopfield）和加拿大多倫多大學的傑佛瑞·辛頓，以表彰他們「為推動利用人工神經網絡進行機器學習作出的基礎性發現和發明」。

盧保化學獎則部分授予了Google旗下DeepMind公司AI科學家德米斯·哈薩比斯和約翰·江珀，以表彰他們研發出的「Alpha Fold2」模型在蛋白質結構預測方面的成就。

當AI首次成為盧保獎的主要元素，這不僅是對科學家的認可，也是對「AI輔助科學研究」這一應用趨勢的肯定，「盧保物理學獎和化學獎都花落AI，既在意料之外，又在情理之中。」複旦大學計算機科學技術學院教授、上海市數據科學重點實驗室主任肖仰華告訴澎湃新聞記者。

在他看來，AI在盧保獎當中佔據相當比重，釋放出傳統的自然科學國際性的獎項向新興學科遷移的信號。傳統上人們認為，盧保獎主要授予在傳統自然科學領域做出傑出貢獻的個人或組織。此次諾獎對人工智能等新興學科的傾斜，標誌著以人工智能驅動的科研方式已不再是「偏門」而是逐漸走向「主流」，並獲得傳統自然科學領域的廣泛肯定。

AI「攻佔」盧保獎意味著什麼？

「我做了這麼一輩子科研，從來沒見過AI這麼一個行當。每三個月就有新突破，每半年就要翻天覆地了。」國際著名計算生物學家、複旦大學複雜體系多尺度研究院首任院長、上海人工智能實驗室領軍科學家馬劍鵬向澎湃新聞記者坦言。

在他看來，過去50年中，「蛋白質摺疊問題」一直是生物學界的重大挑戰。此前，生物學家主要利用X射線晶體學或雪藏電鏡等實驗技術來破譯蛋白質的三維結構，耗時長、成本高。幾年前，科學家用計算機預測複雜的蛋白質摺疊結構，正確率還不到40%。Alphafold出現後，奇蹟出現了。

2020年11月30日，Alphafold 2在蛋白質結構預測大賽CASP 14中，對大部分蛋白質結構的預測與真實結構只差一個原子的寬度，接近達到了人類利用雪藏電子顯微鏡等複雜儀器觀察預測的水平，這是蛋白質結構預測史無前例的巨大進步。

「預測蛋白質結構，向來被認為是‘太陽底下最難的科學問題之一’。」馬劍鵬表示，他和好朋友、盧保化學獎得主米高·萊維特都曾認為，這一問題在他們的有生之年恐怕很難完全解決，「但沒想到人工智能‘Alphafold 2’的出現了，讓這個問題向前邁進一大步，真正體現了算法的力量，將盧保化學獎頒給人工智能，是一個理所應當或者非常恰當的決定。」

馬劍鵬認為，人工智能可以將求解的準確率大幅提升，顯示了「科學智能」研究範式的強大。雖然「Alphafold 2」和「Alphafold 3」並未完全解決蛋白質摺疊問題，但它給科學界帶來了啟示：可以通過數據驅動，將人工智能應用於更多的科研領域，讓AI助手破解各種難題。

「人工智能現在已經成為一場新的技術革命，或者可以稱之為工具革命。」肖仰華告訴記者，在科學研究領域，AI已成為推動社會進步和研究發展的最重要引擎。

肖仰華認為，盧保獎授予人工智能相關研究實際上起到一個風向標的作用，這意味著傳統自然學科一定會掀起努力擁抱和學習人工智能、積極把人工智能的很多工具和方法融入到科學自身的科學研究中的熱潮。「大家普遍認為，獲得盧保獎的科學家需要經過幾十年的研究，而AI打破了這一定律。未來可能會有越來越多年輕學者使用AI工具在傳統自然科學做出巨大貢獻，在短短幾年之內獲得諾獎，三四十歲左右的諾獎者可能會大量湧現，這個風向標的意義十分重大，也會對傳統的自然科學研究造成巨大沖擊。」

「這次的諾獎授予情況，可以說是打破了一直以來的評獎傳統，可以說是盧保獎評選的一次自我改革。一方面，這反映了盧保獎委員會對於該獎項意義的反思，之後的授獎會更加地關注技術的現實影響，而非絕對意義的學術前沿。」中央財經大學經濟學院教授、清華大學中國經濟思想與實踐研究院研究員徐翔告訴澎湃新聞記者。

另一方面，這反映人工智能技術帶來的巨大沖擊與科技界對這項技術的無限期待，說明科技界把人工智能看成了科學研究的底層技術，這是過去很多年的獲獎成果沒有做到的。

「此次AI在諾獎獲得成功，表明了學科大交叉、深交叉是趨勢，AI改變了科研範式，突破了傳統科研方式天花板。通過量變推動質變，AI有望在未來助力更多學科領域取得突破。」國內人工智能專家張春龍向澎湃新聞記者表示，對於網民們的「ChatGPT獲得盧保文學獎」等期待，他認為，科學（科技）工程類學科可以由大系統AI助力，文學創作類的可能還是需要人文和情感底蘊支撐。

AI發展有什麼風險？如何利用好？

「假設青蛙創造了人類，那麼你認為現在誰會佔據主動權，是人，還是青蛙？」

去年，辛頓本人在北京智源大會提出的問題仍在耳畔迴響，在諾獎「爆冷」頒給AI後，人們也在質疑，AI是否正在奪走科學家最重要的榮譽，AI的高速發展，真的不會帶來取代人類的風險嗎？

「最後獲獎的是AI算法背後的科學家和工程師，而非人工智能本身，目前的人工智能技術也未能達到脫離數據+算力+算法獨立運行的程度，本質上還是人類的智慧，但是我們需要對於人工智能下一階段的發展抱有審慎態度，用客觀的眼光看待並做好治理介入的準備。」徐翔坦言。

「從來不是AI可能取代人類，而是掌握了AI這種先進工具的擁有者在淘汰沒有掌握先進工具的人，歷史車輪的發展軌跡一直如此，任何一次技術革命都是先進技術的擁有者去淘汰沒有獲得先進技術的人，形成了相對的競爭優勢。」

在肖仰華看來，要看到AI在科學研究發展上的巨大潛力，也要意識到AI背後潛在的風險和問題，以目前AI的能力，即便將來發展很完善，本質依然是工具，是對人類的輔助，需要人類科學家去引導、規範和糾正，「因為AI很難具有人類科學家的原始創新能力，它不具備像愛恩斯坦那樣提出這種相對論，去解釋物理現象，突破傳統牛頓力學對於這個世界的機械力學的解釋，從零到一的原始創新仍然還是人類科學家才有可能完成。」

肖仰華表示，目前AI發展存在兩大主要弊端，第一是AI會放大科技的兩面性，當AI驅動科學研究之後，這意味著雙刃劍的劍鋒恐怕要更加鋒利，需要積極管理和管控其可能帶來的風險。

更嚴重的是價值觀念和倫理道德的挑戰，「科技是火車頭，整個人類社會是車身，目前火車頭動力十足，速度越來越快，越來越加速。但是整個人類社會是由一個個鮮活的個體組成的，是由還在遵循著傳統倫理和價值觀念的家庭組成的，一個個社區及小型社會群體構成的。我們還在遵循著幾千年未變的文化價值、倫理、情感觀念，這些是不可能做那麼快的調整的。」

在科技的強勁的帶動下，生產力會快速發展，生產力快速發展就勢必要求整個社會的上層建築、倫理價值和情感觀念跟著去做適應和調整，緩慢調整的社會上層關係和在科技帶動下快速發展的生產力之間可能會誕生新型的矛盾。

今年6月，2024年盧保經濟學獎得主麻省理工學院（MIT）教授達龍·阿西莫格魯（Daron Acemoglu）在接受澎湃新聞記者專訪時表示，對於人工智能，非常擔心它成為將財富和權力從普通人轉移到一小群科技企業家的方式，「問題是我們沒有任何必要的控制機制以確保普通人從AI中獲利，比如強有力的監管、工人參與、公民社會和民主監督。我們看到的‘不平等’是‘煤礦里的金絲雀’，意味著更糟糕的事即將到來。」

國產大模型如何騰飛超越？

在360創始人周鴻禕看來，這一次盧保物理學獎頒給計算機科學、頒給人工智能，具有標誌和代表性的意義。

「從盧保獎評審的角度來講，可能都已經開始相信物理學的前沿靠人類是不夠的，要靠AI。未來所有學科的發展都離不開AI，將來可能生物學、化學、數學等其他科學的獎項也會發給計算機科學家，會發給對AI產業具有貢獻的人。可能以後各個科學的突破，都要靠AI來推動。AI會成為人類科學研究的重要的工具，」周鴻禕表示，AI正在改變這個世界，首先改變的是盧保獎發獎的方式。

AI成為諾獎主流，無疑給AI產業發展帶來了積極信號，中國AI科研和大模型企業又該如何對標？

「中國從來不缺優秀的工程師。」馬劍鵬告訴記者，「但是如果要走向高精尖，還有很大的難度，能出現在概念上起引領作用的突破最好，因為人工智能領域確實具有廣泛的應用前景。坦白講，中國在這方面已經取得了不錯的成績，如果討論的是我們是否能在世界範圍內達到盧保獎級別的成就，我想在這方面可能還存在一定差距。」

馬劍鵬提到，在AI領域的競爭，需要借鑒國外的經驗，不能只在高校里依靠教授單兵作戰。有些工作，需要大兵團作戰，需要高校、大企業等各類資源的融合。Google的突破就是一個明顯的例子。最近AI方面的巨大突破，幾乎全都是科技公司做出來的。

此外，在AI教育的短板也需要加強彌補，「高等教育機構中的學科分類，包括學院的劃分，都是基於傳統學科體系而設立的，現在必須改革，加強對AI教育的培訓。例如，複旦大學2024年招生培養政策發佈會上發佈的信息，從2024年秋季學期開始，複旦大學將在2024-2025學年推出至少100門AI領域課程。AI大課將納入所有複旦學生的學業安排。」

值得注意的是，此前國產大模型大多聚焦在通用大模型、行業大模型上，「專業大模型，尤其是與自然科學相結合的專業大模型，將來其實同樣重要，甚至更加重要。比如蛋白質大模型會大量用在生命科學醫療產業，這關係到健康福祉和國家科技競爭。」肖仰華表示。

他建議，這對國產大模型未來發展具有重要啟示，未來大模型在To B（企業端）行業專業場景的應用要更多和更快，「To B的應用需要有更多的資源力量和人才資本投入，而這些都和盧保獎傳統自然科學和AI深度融合是密切相關的。如果能借這個契機，推動更多的資源進入到專業場景，那麼對大模型產業而言會產生更巨大的推動作用。」