诺奖的双响炮:物理学奖给了神经网络,化学奖给了 AlphaFold

10 月初的那两天,瑞典皇家科学院连放两炮,把整个科技圈都打懵了。10 月 8 日,物理学奖颁给了 John Hopfield 和 Geoffrey Hinton——表彰他们用统计物理的思想,为人工神经网络奠定了基础(Hopfield 网络、玻尔兹曼机、以及 Hinton 一生在反向传播和深度学习上的奠基)。第二天,10 月 9 日,化学奖颁给了 DeepMind 的 Demis Hassabis 和 John Jumper(因为 AlphaFold2 破解了蛋白质结构预测),以及 David Baker(因为计算蛋白质设计)。

这对 Hinton 个人,是怎样一种戏剧性

你品品这个时间线的荒诞与重量:2023 年 5 月,Hinton 刚从 Google 辞职,公开表达对自己一生工作的部分后悔,警告 AI 可能带来灭绝级风险;一年半后,他因为这份‘让他后悔的工作’拿了诺贝尔物理学奖。他在获奖电话采访里依然没忘记敲警钟。一个亲手点火、又转身警告火灾的人,在火光最亮的时候被授予了最高荣誉。没有哪个剧本敢这么写。

AlphaFold:四年前我说的‘要用几十年称重’,提前兑现了

2020 年 AlphaFold2 在 CASP14 封神时,我写过一句:它的份量要用几十年才能完全称出来。诺奖来得比我预想快得多。这背后是一个硬核的现实:AlphaFold 不是一个停留在论文里的炫技——DeepMind 把它预测的两亿多个蛋白质结构做成了开放数据库,全球数百万研究者已经在用它加速从抗生素研发到酶设计的真实工作。它真的改变了生命科学的日常操作方式。诺奖认的不是‘聪明’,是‘改变了学科’。

荣耀背后,两个真实的争议

我不想只唱赞歌,这两个奖也带着真实的别扭,值得记下来:

• ‘这算物理/化学吗’的学科边界之争。不少物理学家私下嘀咕:用统计物理工具发明的机器学习方法,拿物理学奖,是不是把诺奖‘泛化’得太宽了?化学奖给一个计算程序(尽管它解决了化学问题),也有类似争论。这本质上是个信号:AI 作为一种‘元方法论’,正在溶解传统学科的边界,而老的奖项体系还没想好怎么安放它。
• 荣耀的高度归属问题。AlphaFold 是几百人团队、站在几十年结构生物学积累(以及全球科学家几十年实验测定的结构数据)之上的成果,诺奖却只能授予最多三人。当 AI 成果越来越是‘大团队 + 大数据 + 大算力’的产物,‘表彰个人’的诺奖传统会越来越拧巴。

但把争议放一边,这两天的象征意义是压倒性的:科学界的最高殿堂,用两座奖杯正式承认——AI 已经从‘一个值得研究的领域’,变成了‘做科学这件事本身的核心引擎’。从 2015 年我记下‘AI 安全第一次上头条’,到 2024 年 AI 横扫诺奖,这条线走了十年。Hassabis 当年那句听着像狂言的‘用 AI 解决智能,再用智能解决一切’,在 2024 年的诺奖季,拿到了来自人类科学界最权威的一次背书。这一帧,值得在十年回顾里,放在最高的位置。