近年来，越来越多科技观察人士直言人工智能对我们构成的威胁。AI模型可以像人类一样听说读写，创作绘画，甚至在国际象棋和围棋对弈中击败我们。它表现出一种令人不安的创造力拟像——尤其当我们看到AI创造的真实性时。

人工智能不断深入科学领域，10月初颁布的诺贝尔奖强调了这一趋势。

诺贝尔物理学奖授予了两位帮助计算机以更接近人脑方式“学习”的科学家。紧接其后的化学奖则归属3位利用AI设计新蛋白质并预测现有蛋白质三维结构的AI大神。

蛋白质结构预测难题困扰了生物学家几十年，现在却被人工智能在几分钟内解决。

不少人对评选结果表达质疑和不满：这不是物理学和化学奖吗，怎么成了计算机科学奖了？在上述5位获奖者——约翰·霍普菲尔德（John Hopfield）和杰弗里·辛顿（Geoffrey Hinton），以及大卫·贝克（David Baker）、德米斯·哈萨比斯（Demis Hassabis）和约翰·江珀（John Jumper）——可能只有来自华盛顿大学的生物化学家贝克属于根正苗红的化学人。

诺贝尔化学奖委员会宣布获奖的科学家

诺贝尔自然科学奖一般表彰具体成果而非理论，奖励实证发现而非纯粹概念。但2024年的物理学奖不同以往，霍普菲尔德与辛顿以物理学为基础，构建了计算机模型，未取得突破性成果，却仍获肯定。另一方面，贝克、哈萨比斯与江珀创建的计算机模型在生物化学领域做出重大贡献。

可以肯定的是，这些成就都是杰出的，并且从根本上说都是人类的成就。但诺奖评审团的认可似乎在强调一个令人担忧的前景：未来科学家会不会只需设计出强大工具，由工具而非自己去完成革命性工作，甚至都不了解它是如何产生成果的？

有没有可能，某天AI设计和建造了数百个分子规格的巴黎圣母院和圣索菲亚大教堂，然后研究者因发明这尊AI神器而受嘉奖。

科学总离不开工具和仪器。随着工具越发复杂，我们与它们的关系也越发复杂。现在很少有天文学家会仰望天空，甚至都不会用望远镜观察。地球上和太空中的传感器负责“观察”，收集到难以置信的大量数据；计算机程序解析这些数据，寻找熟悉和陌生的模式；可能身处地球另一边的研究人员仔细揣摩计算机提供的内容……那么，最终的发现应当如何确定归属？这是谁做出的贡献？机器的工作于何处止，人类的功劳自哪边始？

阿尔弗雷德 · 诺贝尔于1895年立下了关于设立诺贝尔奖的遗嘱。以老派眼光来看，诺奖获得者似乎有着某种孤独天才（通常是男性）的形象，凭一己之力在物理、化学或医学领域开辟天地。但当今世界的科学问题，从气候变化和粮食危机，到癌症与动植物灭绝，其专业上的划分不再泾渭分明。纯粹的生物学家或化学家很少见，地球化学家、古基因组学家、计算进化理论家和天体生物学家却越来越多。

人工智能只会进一步模糊学科界限。另一位AI教父、You.com公司首席执行官理查德·索切尔（Richard Socher）认为，AI的最大贡献在于它能连接和挖掘截然不同的学科的数据库，从而在科学家之间建立新奇的合作。

科学越来越需要团队合作，这是一种美丽而本质性的现实，而有着严格规则和类别划分的诺奖评选无法妥当地表彰跨界的成功。加州理工学院的物理学家基普 · 索恩（Kip Thorne）在2017年获得诺贝尔物理学奖后说道：“不幸的是，根据诺贝尔基金会章程，这个奖项只能颁给三人，而我们的伟大发现是一千多人共同努力的成果。”

如果诺贝尔委员会向人工智能致敬，那些给AI提供了学习素材的科学家是否也应得到肯定？要知道，AlphaFold接受了包含3万多名生物学家工作的数据库的训练后，才破解蛋白质结构问题。

没有人可以独自存在，机器亦然，至少目前来说如此。AI发现的东西就是人类自己所学（或者希望学到的东西）的提炼。AI就是我们，是人类的一个伟大样本。

资料来源：

A Shift in the World of Science

END