文 | 乌鸦智能说星空app

这两天，诺贝尔奖逐渐公布，AI 成了最大赢家。

10 月 8 日，瑞典皇家科学院告示，2024 年诺贝尔物理学奖授予好意思国科学家约翰 · 霍普菲尔德（John J. Hopfield）和英裔加拿大科学家杰弗里 · 辛顿（Geoffrey E. Hinton），以赏赐他们哄骗物理学器用，树立出了现在浩大机器学习技能的基础设施。

一天之后，瑞典皇家科学院又告示，将 2024 年诺贝尔化学奖授予大卫 · 贝克（David Baker）、戴米斯 · 哈萨比斯（Demis Hassabis）和约翰 · 江珀（John M.Jumper），以赏赐他们用 AI 在卵白质想象和卵白质结构展望畛域作出的孝敬。

你不错浅易分解为，诺奖评委们把诺贝尔物理学奖颁给了机器学习，而诺贝尔化学奖颁给了 AI 展望卵白质结构和卵白质想象。

为什么 AI 一霎能拿下两座诺贝尔大奖？AI 站上诺贝尔奖舞台背后，到底荫藏着一个什么趋势？

AI 连下两座诺贝尔大奖

先说下诺贝尔物理学奖的得到者霍普菲尔德和辛顿。

霍普菲尔德在 1982 年创造出瞎想神经收罗，现在通称为霍普菲尔德收罗（Hopfield network），不错存储并重现图像和其他数据阵势的关洽商念技能。

浅易来说，霍普菲尔德收罗惩办的问题是：东谈主是怎么进行瞎想记念的，也等于怎么通过某一部分的记念瞎想起统统这个词记念。比如，你听到一个东谈主的名字，就能有关他的长相。

而算作深度学习畛域的领军东谈主物，辛顿的最大孝敬在于，树立了一种新的神经收罗：玻尔兹曼机。

在咱们大脑中，神经元之间会彼此作用，有些神经元的有筹画是不错影响另一部分的神经元。借用知乎上居品二姐的譬如：

有些神经元的有筹画是不错发扬出来的，比如某些东谈主看了《长安三万里》这部动画片。但又有些神经元的发扬是不成见的，比如某些东谈主看《长安三万里》是因为心爱唐诗，有些东谈主看是因为心爱追光动画，还有些东谈主是因为陪心爱的东谈主沿途看。

而玻尔兹曼机所要作念的事，等于搞明晰这些可见和不成见神经元之间彼此影响的洽商。

玻尔兹曼机的出现，很猛进度激动了机器学习的快速发展。出奇是在深度学习发展早期，波尔兹曼机被用来预测验深层神经收罗，匡助收罗在进行更复杂学习任务之前，找到相宜的权重开动气象。

说完物理学奖，再来说说诺贝尔化学奖。

其中，诺贝尔化学奖获奖者之一的大卫 · 贝克，领先树立了想象和展望卵白质三维结构的设施，创造出了全新的卵白质，基于立异的软件、算法惩办医学繁难。

而戴米斯 · 哈萨比斯和约翰 · 江珀，则参与创造的 AI 卵白质结构分析器用 AlphaFold，平直把卵白质展望这事带到了一个新纪元。

若是将生命体比作一个拼好的乐高积木，那卵白核酸等大分子就像一个个独处的乐高零件。在往常的五十年里，分解每一个乐高零件的时局等于结构生物学家的主要职责。

但这事并装潢易，卵白质是由 20 种不同的氨基酸按特定序列皆集变成的多聚体，这些不同的氨基酸频繁会折叠成某一个特定的时局。是以，想要信得过地分解卵白质怎么证实作用，科学家们就必须准确地掌持卵白质的空间结构。

卵白质结构简陋单到复杂，系数分为 4 级。一级结构相比容易笃定，浅易的生物推行如质谱法即可，但波及到二级以上结构怎么折叠的，结构生物学家常常需要哄骗 X 射线、核磁共振、电游仪、冷冻电镜来检测。

这些设施耗时耗力、东谈主工成本也极高，比如电泳仪只可盘曲进行测量，推行中还受较多身分干预，因而会影响对卵白质结构的分析与分解。而能高隔离率分解的冷冻电镜则极为不菲，一台约 1 亿东谈主民币操纵。为止本年，我国的冷冻电镜也唯有 60 多台。

AlphaFold 历害的方位在于，通过深度学习模子来展望卵白质更高结构，不仅出奇快，而况相配准确，大大提高了卵白质究诘的扫尾。

2021 年，AlphaFold 就展望了 35 万个卵白质结构，这包括了 98.5% 的东谈主类卵白质，并将这些卵白质结构放到了 AlphaFold-EBI 数据库中。到了 2022 年，这个数据库中的卵白质数逾越了 2 亿，险些包含了地球上统统可能存在的卵白质。

不错说，AlphaFold 险些一个东谈主把展望卵白质结构这事给作念了，这对东谈主类探索本人的生命密码尤其紧迫。

常识的终点是 AI

天然机器学习拿下诺贝尔物理学奖这事有很大争议，但另一个已成的事实是，AI 如故险些渗入到统统的学科，并产生了不成漠视的影响。

原因很浅易，AI 的学习扫尾比东谈主强太多。在之前很永劫候里，辛顿一直合计，东谈主的灵敏比 AI 更高。但这几年，辛顿想法动手变调，因为他发现，AI 在常识传播扫尾、学习机制、动力扫尾方面都比东谈主强。

就拿常识传播来说，当一个 AI 智能体掌持了某个常识，统统的 AI 智能体都能坐窝学会这个常识。违反，东谈主类只可通过不雅察和复制老师行径来学习，这个历程时候更长且扫尾更低。

再说学习机制，东谈主类的大脑里有 100 万亿个皆集，而 GPT 唯有一万亿个，数目远远低于东谈主类。但一个 GPT 用 1700 多亿的参数，确切就记着了东谈主类统统的常识和好意思丽，而况还不错进行笼统的想考。

这意味着，AI 比东谈主类更擅长将多量常识放在 1 万亿的皆鸠合。换句话说，AI 可能找到了比东谈主类更好的学习设施。

在 AI 浩大的学习才能之下，常识正在赶紧贬值。OpenAI 早期投资东谈主 Vinod Khosla 曾展望，异日险些统统的专科常识都将被 AI 免费化。

持有近似不雅点的还有牛津大学熏陶 Nick Bostrom。他的不雅点更极点，本科和博士课程将加快贬值，传统 20-30 年以常识传递为中枢的东谈主力本钱投资将看不到任何酬报。

但与此同期，跨学科常识的紧迫性可能被进一步提高，即使用策画机器用，以及与其他学科的表面，去匡助其它学科（物理，化学，材料，生物，医药）攻克学术繁难。

也等于说，异日学好东谈主工智能，很有可能会比圮绝东谈主工智能的东谈主，能更灵验的职责，变成新的紧迫发现，甚而争夺各个标的的诺贝尔奖。

甚而有一天星空app，一个拿 GPT-X 写著述的东谈主，约略也能够得到诺贝尔体裁奖。