劃重點
“AI教父”辛頓與谷歌DeepMind CEO哈薩比斯分別獲得諾貝爾獎，可能改變科研領(lǐng)域的未來方向。
AI研究員獲獎可能有兩個原因：AI在學術(shù)研究中無孔不入，計算機科學家可被歸入任何領(lǐng)域。
AI研究員獲獎可能引發(fā)兩大風險，一是吸引更多人跟風，二是遏制創(chuàng)新思維的發(fā)展。
“人工智能教父”杰弗里辛頓（Geoffrey Hinton）與谷歌DeepMind首席執(zhí)行官德米斯哈薩比斯（Demis Hassabis）本周分別榮獲諾貝爾物理學獎和化學獎，這一消息在科研及人工智能領(lǐng)域掀起軒然大波。對此，不少人感到憂慮：這是否會給更廣泛的科學激勵機制帶來顛覆性的影響？
01 兩大原因可能助力AI研究員獲諾獎
哈薩比斯起初并不知道自己獲得了瑞典皇家科學院頒發(fā)的諾貝爾化學獎，直到他的妻子在Skype上頻繁接到一個來自瑞典的電話。
在隨后慶祝獲獎的新聞發(fā)布會上，哈薩比斯與其谷歌DeepMind同事約翰江珀（John Jumper）一同亮相，并分享道：“她（指妻子）幾次拿起又放下電話，但鈴聲依舊不斷。后來，我想她可能意識到了這是瑞典的來電，于是他們轉(zhuǎn)而詢問了我的聯(lián)系方式。”
其實，哈薩比斯獲得諾貝爾化學獎可能并不讓人感到太意外：就在前一天，被譽為“人工智能教父”的辛頓與普林斯頓大學教授約翰霍普菲爾德（John Hopfield）已經(jīng)因為在機器學習領(lǐng)域的卓越貢獻而被授予諾貝爾物理學獎。
顯然，人工智能時代的大幕已經(jīng)拉開。如今，通過深入研究人工智能并為其他學科領(lǐng)域貢獻力量，完全有可能獲得諾貝爾獎。辛頓和霍普菲爾德在物理學領(lǐng)域，哈薩比斯、江珀（以及與他們一同獲獎的華盛頓大學基因組科學家大衛(wèi)貝克（David Baker））所專注的化學領(lǐng)域，就是最典型的例子。
劍橋大學Leverhulme未來智能中心的高級研究員埃莉諾德拉格（Eleanor Drage）指出：“這無疑標志著‘科學領(lǐng)域的人工智能’時刻。當我們目睹杰出的計算機科學家榮獲諾貝爾化學獎和物理學獎時，大家不禁開始猜測，和平獎的桂冠又將花落誰家。”她辦公室的同僚們開玩笑說，xAI的創(chuàng)始人埃隆馬斯克（Elon Musk）已成為和平獎的熱門候選人。
德拉格認為，向人工智能領(lǐng)域的研究者頒發(fā)諾貝爾物理學獎和化學獎“不僅在這些學科內(nèi)部引發(fā)了熱議，也在外部引起了廣泛關(guān)注，討論異常激烈。”她分析，這些獎項的頒發(fā)可能有兩個原因：一是人工智能在學術(shù)研究中無孔不入，極大地模糊了學科之間的界限；二是“我們?nèi)绱送瞥缬嬎銠C科學家，以至于愿意將他們歸入任何領(lǐng)域。”
盡管德拉格對于諾獎組委會本周的決定持謹慎態(tài)度，但她和其他人都堅信，這一決定無疑將對科研領(lǐng)域的未來研究方向產(chǎn)生深遠影響。
英國科研誠信辦公室前研究誠信經(jīng)理馬特霍奇金森（Matt Hodgkinson）認為：“利用人工智能獲得諾貝爾獎的趨勢或許已初見端倪，這無疑會引導(dǎo)研究方向的轉(zhuǎn)變。”然而，隨之而來的問題是，這種變革是否將引領(lǐng)我們走向正確的道路？
02 AI研究員獲獎可能吸引更多人跟風
作為本年度諾貝爾化學獎的得主之一，貝克在利用人工智能預(yù)測蛋白質(zhì)結(jié)構(gòu)領(lǐng)域始終扮演著領(lǐng)軍角色。數(shù)十年來，他始終致力于攻克這一難題，并取得了顯著的進展。貝克發(fā)現(xiàn)，由于問題的明確界定以及蛋白質(zhì)結(jié)構(gòu)的規(guī)范性，這一領(lǐng)域成為了人工智能算法的理想試驗常不過，他的成功絕非偶然，貝克在其職業(yè)生涯中已發(fā)表了超過600篇學術(shù)論文。同樣，谷歌DeepMind在AlphaFold2項目上也付出了巨大努力。
然而，霍奇金森表達了他的擔憂：在研究今年三位諾貝爾獎得主的成功因素時，該領(lǐng)域的研究人員可能會過于關(guān)注技術(shù)細節(jié)，而忽視了科學的本質(zhì)。他說：“我希望這不會誤導(dǎo)研究人員，讓他們誤以為所有的人工智能工具都具有同樣的價值，從而濫用諸如聊天機器人等工具。”
這種擔憂源于人們對其他被認為具有顛覆性技術(shù)的濃厚興趣所帶來的潛在影響。霍奇金森表示：“技術(shù)炒作總是難以避免，最近的例子包括石墨烯和區(qū)塊鏈。”
谷歌學術(shù)論文搜索工具Google Scholar的數(shù)據(jù)顯示，自2004年石墨烯被發(fā)現(xiàn)后，2005年至2009年間提及該材料的學術(shù)論文數(shù)量為4.5萬篇。然而，在安德烈海姆（Andre Geim）和康斯坦丁諾沃謝洛夫（Konstantin Novoselov）因發(fā)現(xiàn)石墨烯而榮獲諾貝爾獎后，相關(guān)論文的發(fā)表數(shù)量急劇攀升，2010年至2014年間達到45.4萬篇，2015年至2020年間更是突破了100萬篇。但遺憾的是，盡管研究熱情高漲，迄今為止這些研究對現(xiàn)實世界的影響仍然相對有限。
霍奇金森認為，多名研究人員因其在人工智能領(lǐng)域的貢獻而榮獲諾貝爾獎，這種激勵效應(yīng)可能會吸引更多人才涌入該領(lǐng)域，進而可能對科研方向產(chǎn)生影響。他進一步指出：“人工智能的提議和應(yīng)用是否具有實質(zhì)性的科學價值，這是另一個值得我們深思的問題。”
我們已經(jīng)見證了媒體和公眾對人工智能的廣泛關(guān)注對學術(shù)界產(chǎn)生的巨大影響。斯坦福大學的研究表明，從2010年至2022年，人工智能領(lǐng)域的論文發(fā)表數(shù)量翻了兩番，僅在2022年就發(fā)表了近25萬篇論文，相當于每天有超過660篇新論文誕生。這一數(shù)據(jù)還是在2022年11月ChatGPT引領(lǐng)生成式人工智能革命之前統(tǒng)計的。
03 新趨勢或帶來兩大風險
紐約大學坦頓工程學院計算機科學副教授、從事人工智能研究的朱利安托格里厄斯（Julian Togelius）對學者們可能受到媒體關(guān)注、金錢誘惑以及諾貝爾獎委員會贊譽的影響程度表示擔憂。他強調(diào)：“科學家通常會選擇阻力最孝回報最大的發(fā)展路徑。”
監(jiān)獄學術(shù)界的競爭變得越來越激烈、資金的日益稀缺以及其與研究人員職業(yè)發(fā)展前景的直接關(guān)聯(lián)，將熱門話題與獲取資源相結(jié)合，這樣的誘惑或許讓任何人都難以抗拒。
然而，這種趨勢可能會帶來兩大風險，一是遏制創(chuàng)新思維的發(fā)展。托格里厄斯解釋稱：“從自然界中獲取更多基礎(chǔ)數(shù)據(jù)，并提出人類能夠理解的新理論，無疑是一項極具挑戰(zhàn)性的任務(wù)，這需要深刻的洞察力和不懈的探索。” 對于研究人員來說，雖然利用人工智能進行模擬、支持現(xiàn)有理論并處理現(xiàn)有數(shù)據(jù)在理解上只能帶來小幅提升，而非革命性的突破，但這種方法卻更為高效。托格里厄斯預(yù)測，新一代科學家可能會傾向于選擇這條更為簡便的道路。
第二種潛在風險是，一些過于自信的計算機科學家，在推動人工智能領(lǐng)域發(fā)展的同時，看到人工智能在不相關(guān)的科學領(lǐng)域（如物理和化學）幫助研究人員獲得諾貝爾獎，可能決心效仿這些做法，從而進入其他研究領(lǐng)域。托格里厄斯警告道：“當計算機科學家涉足自己并不熟悉的領(lǐng)域時，他們往往會不假思索地引入算法，并將其稱之為進步。無論這種做法是否有效，他們都認為這是理所當然的。”
托格里厄斯還表示，由于自己對物理學、生物學或地質(zhì)學等領(lǐng)域的知識有限，他也曾有過將深度學習應(yīng)用于其他科學領(lǐng)域，并在深入思考之前就急于“推進”的念頭。
哈薩比斯就是利用人工智能推動科學進步的代表人物。他擁有神經(jīng)科學博士學位，自2009年以來，在谷歌DeepMind憑借深厚的專業(yè)背景為人工智能的發(fā)展做出了卓越貢獻。然而，他也坦言，該行業(yè)提高效率的方式已經(jīng)發(fā)生了轉(zhuǎn)變。他在諾貝爾獎新聞發(fā)布會上提及：“當前，人工智能正愈發(fā)傾向于工程化。我們已掌握眾多技術(shù)，當下的主要工作是算法的改進，而不再直接參考大腦的工作機制。”
這一變化對研究類型、研究對象、研究人員的專業(yè)背景和動機都產(chǎn)生了深遠的影響。我們可能會見證更多計算機科學家參與不同領(lǐng)域的研究，他們可能不再終身致力于某一個專業(yè)領(lǐng)域，并逐步脫離他們所研究的現(xiàn)實。
盡管如此，這并未減少哈薩比斯、江珀及其同事對榮獲諾貝爾獎的喜悅之情。哈薩比斯早些時候透露：“我們即將完成AlphaFold3的代碼清理工作，并計劃將其向?qū)W術(shù)界開放，供自由使用。之后，我們將繼續(xù)前行。”（科技新聞特約編譯金鹿）
