湖北日报全媒记者 田佩雯 张歆

日前，2024年诺贝尔奖自然科学奖的三大奖项全部公布，今年物理学奖和化学奖的获奖成果都与人工智能（AI）技术密切相关。我国多位专家认为，这折射出AI在全球科研舞台上的崛起与影响，也深刻反映了AI正在推动科学研究范式的改变。

两项诺奖“花落”AI

2022年CHATGPT诞生以来，给科技界带来巨大的冲击。这股浪潮终于波及诺贝尔奖项中。

10月8日，诺贝尔物理学奖得主出乎许多人的意料。该奖项授予了美国普林斯顿大学教授约翰·J·霍普菲尔德（John J. Hopfield）和加拿大多伦多大学教授杰弗里·E·辛顿（Geoffrey E. Hinton），以表彰他们“在人工神经网络机器学习方面的基础性发现和发明”。两位获奖者使用物理学工具训练了人工神经网络，这些方法已成为当今强大的机器学习的基础。

湖北日报全媒记者采访了中国科学院高能物理所研究员邢志忠。他称，传统诺奖划分难以覆盖当前的新型交叉学科，所以把机器学习、人工智能放在物理学奖相对于其他奖项是最合适的。他介绍，人工智能在高能物理领域有广泛应用，例如在高能粒子束流的对撞过程中，会打出海量的粒子，想要提取出目标粒子的相应数据是十分困难的，采用机器学习可以大大提升效率，并且节约成本。

科普作家冷哲在一篇文章中称：“如果机器学习在物理学层面属于锦上添花的帮助，在生物领域，尤其是蛋白质领域，这就是雪中送炭了，或者可以用颠覆性的成果来评价。”

今年诺贝尔化学奖涉及计算蛋白质设计和蛋白质结构预测两大领域，分别授予了美国华盛顿大学西雅图分校的大卫·贝克（David Baker），以肯定他在计算蛋白质设计领域的杰出贡献；另一半则联合授予谷歌Deepmind公司的德米斯·哈萨比斯（Demis Hassabis）和约翰·詹伯（John M. Jumper），表彰他们在蛋白质结构预测领域的卓越成就。后两位学者凭借蛋白预测人工智能系统AlphaFold彻底改变了蛋白质结构预测领域，预测的蛋白质结构能达到原子水平的准确度。

对此，武汉大学化学与分子科学学院教授付磊认为，这意味着生物化学领域50年来在蛋白质折叠问题上的挑战结束了。该技术不仅加速了生物医学研究的发展，还为治疗疾病、设计新型材料和应对全球性健康挑战提供了新的工具。

“另一位获奖者大卫·贝克的工作其实是蛋白质结构预测的‘反向操作’。”付磊介绍，输入蛋白质空间结构的“设计图纸”，蛋白质分析软件Rosetta会根据图纸反推出对应的氨基酸序列。只要按照这个氨基酸序列进行合成，就可以得到人们想要的、具有特定功能的新蛋白质。这种方法不仅能在疫苗开发、靶向药物研发和遗传病治疗等生物医学领域大显身手，新蛋白质甚至能被开发成工业催化剂或是新型传感器。

人工智能驱动科研新范式

值得一提的是，今年获得诺贝尔物理学奖的杰弗里·辛顿，因其在深度学习领域的开创性工作，被誉为“AI教父”。他在2018年荣获有“计算机领域的诺贝尔奖”之称的图灵奖，是史上首位同时获得图灵奖和诺贝尔奖的科学家。

今年诺奖AI含量之高，意味着人工智能在科学研究中作用日益显著。其实，在许多科学家眼中，如今的AI早已成为推动科学发现和创新的核心驱动力之一，人工智能的应用正逐渐渗透到生物学、化学、物理学、天文学、材料科学、医学等多个学科，帮助科学家们进行数据驱动的研究。

利用人工智能与大模型协助科技研究，我省科研工作者也在积极探索。2023年，付磊教授课题组利用机器学习构建了含Ga高熵合金势函数，有效地验证了液态金属在高熵合金合成中的巨大作用，相关成果发表在国际顶级学术期刊《自然》上。

“AI的核心优势在于能够处理海量数据并从中提炼规律，这是人类难以在短时间内完成的。”付磊透露，AI为科研工作带来巨大帮助。比如在合金设计中，高熵合金（HEA）需要至少5种元素组合，仅考虑元素周期表中最常用的元素都能够产生1050种不同的组合。而当前AI在预测HEA的相或微观结构方面获得了极高的准确性，进一步精准预测材料的机械、催化等性能也指日可待。

华中科技大学医学院附属同济医院主任医师程才表示，在医学领域，AI也早已有应用。比如通过胸部CT区分患者是普通肺炎还是新冠肺炎，将数以千计的胸部CT交给AI深度学习，“AI的判断效率和准确度比经验丰富的医生还要高。”

“对于具体的科研方向来说，AI是挑战，但是对于全人类来说，AI给人们带来便利，给疾病的治愈带来希望。”程才说。