AI獲得諾貝爾物理學獎與化學獎：學科分類體系對一種“橫貫技術”的追認

HK News （香港網）  –  2024年10月8日，瑞典皇家科學院將諾貝爾物理學獎授予John J. Hopfield和Geoffrey E. Hinton，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”。次日，諾貝爾化學獎的一半授予Demis Hassabis和John M. Jumper，表彰其在蛋白質結構預測方面的貢獻；另一半授予David Baker，表彰其在計算蛋白質設計方面的貢獻。三大科學獎項中兩項與人工智能直接相關。

這一授獎組合的編輯意義，不在於“AI贏得了諾貝爾獎”的標題式表述，而在於諾貝爾獎的學科分類體系對一種橫貫性技術的追認方式。物理學獎表彰的是20世紀80年代的神經網絡基礎工作——Hopfield網絡與Boltzmann機——這些工作的物理學淵源是真實的：它們借用了統計力學中自旋玻璃與能量景觀的概念來形式化神經網絡的動力學。但將2024年的物理學獎授予這些工作，同時也是在承認一個事實：機器學習的根基不在計算機科學的內部邏輯中，而在物理學家對複雜系統的統計描述傳統之中。這是一種遲到的學科歸屬確認，而非對2024年某一項具體突破的即時獎勵。

化學獎的授予則更為直接地反映了AI作為“科學方法”的地位變化。AlphaFold對蛋白質結構預測的貢獻、Baker團隊在計算蛋白質設計方面的貢獻，共同指向一種新的研究範式：AI不是被應用於化學的“工具”，而是改變了化學問題被提出與解決的方式——從“實驗解析結構”到“計算生成結構假設並以實驗驗證”。但編輯紀律要求指出，諾貝爾獎的授予是對已發表、已驗證工作的回顧性確認，它不預示着AI在化學中的應用已經成熟到可以替代實驗的程度。2024年5月升級的AlphaFold 3.0進一步擴展了對蛋白質—配體、蛋白質—核酸複合物的預測能力，但預測精度在不同類別的相互作用界面之間仍然不均勻；計算設計的蛋白質在實際催化效率與穩定性上，也仍需與天然酶進行逐項比較。諾貝爾獎給予的是學科合法性的追認，而非技術完備性的背書。將2024年定位為“AI4Science範式獲得最高學術建制承認的年份”，比“AI取代科學家”的敘事更為準確。