2024年的诺贝尔奖，成了AI届的狂欢。
前有诺贝尔物理学奖，授予了美国普林斯顿大学的 John J. Hopfield 和加拿大多伦多大学的 Geoffrey E. Hinton，他们的研究成果为当今强大的机器学习奠定了基础。
后有诺贝尔化学奖，授予了美国华盛顿大学的 David Baker，以及英国伦敦人工智能公司谷歌 DeepMind 公司的 Demis Hassabis 和 John M. Jumper，他们在蛋白质设计和蛋白质结构预测领域的贡献具有巨大的影响。
更有意思的是，前一天Demis Hassabis还在庆祝自己的“祖师”Geoffrey E. Hinton获奖，Geoffrey E. Hinton有个博士后叫Peter Dayan，Demis Hassabis则是Peter Dayan的博士后，后一天Demis Hassabis自己又可以开香槟了。
庆功宴上包括谷歌CEO桑达尔·皮查伊（Sundar Pichai）、谷歌首席科学家杰夫·迪恩（Jeff Denn）、OpenAI前联合创始人伊利亚·苏茨克维（Ilya Sutskever）等人都在庆功宴上，AI大牛齐聚。
也难怪网友直言，““干脆设立个诺贝尔人工智能奖得了”。
话说回来，诺贝尔物理奖和化学奖颁得实至名归，AI作为一门革命性技术的价值，体现得淋漓尽致。
每年的诺贝尔物理奖和化学奖提名工作从 9 月开始，大约 3000 位来自世界各地大学的知名教授、诺奖得主以及瑞典皇家科学院的院士等会收到保密的提名表格，填妥的表格必须在次年 1 月 31 日前送达诺贝尔委员会。
被提名者经过专家的仔细审议后，最终将提名名单缩小到大约 15 人。委员会向皇家科学院提交报告，皇家科学院通过多数投票表决的方式，评选出获奖者。每年 12 月 10 日，在斯德哥尔摩举行隆重的颁奖典礼，瑞典国王出席并授奖。可以见得，这是学术界都认可的价值。
先看诺贝尔物理奖，John J. Hopfield 是一位著名的物理学家、生物学家和神经科学家。他在 1982 年发明了一种神经网络模型，即 Hopfield 网络。这个模型可以解释大脑如何回忆记忆，通过构建能够模拟人脑某些功能的人工神经网络，机器现在可以使用这些过程来存储 “记忆”。Hopfield 网络对物理学、生物学和计算机科学等不同领域产生了显著影响。
Hopfield 1933 年 7 月 15 日出生于美国伊利诺伊州芝加哥，1958 年在美国康奈尔大学获得物理学博士学位。他的职业生涯涉足多个领域，曾在贝尔实验室、加利福尼亚大学伯克利分校、普林斯顿大学、加州理工学院等机构任教。目前，他是霍华德 - 普莱尔分子生物学名誉教授。
Geoffrey E. Hinton 被誉为 “深度学习之父” 和 “AI 教父”。他在人工神经网络方面的工作广为人知。Hinton 在霍普菲尔德研究的基础上，发明了一种可以自主查找数据属性的方法，从而执行识别图片中特定元素、分类或创建新的模式示例等任务。他的研究包括玻尔兹曼机、反向传播算法、分布式表示、时滞神经网络、专家混合、变分学习等，对深度学习的发展起到了关键作用。
Hinton 1947 年 12 月 6 日出生于英国温布尔登，是逻辑学家 George Boole 的曾曾孙。他在英国爱丁堡大学获得人工智能学博士学位，曾在卡内基梅隆大学、加拿大高等研究院、多伦多大学任教，现为多伦多大学计算机科学系名誉教授。2013 年至 2023 年在谷歌大脑和加拿大多伦多大学工作，现任是加拿大多伦多大学物理学教授。
在物理学中，人工神经网络已经得到了广泛的应用，例如开发具有特定属性的新材料。同时，他们的工作也推动了机器学习的发展，为人工智能的进步做出了巨大贡献。
再看诺贝尔化学奖，David Baker 成功完成了几乎不可能的壮举，制造出了全新的蛋白质。他的研究小组创造出了一个又一个极富想象力的新蛋白质，包括可用作药物、疫苗、纳米材料和微型传感器的蛋白质。
David Baker 1962 年出生于美国西雅图，1989 年在美国加利福尼亚大学伯克利分校获得博士学位，目前是美国华盛顿大学医学院生物化学教授、蛋白质设计研究所所长。他领导的贝克实验室开发了蛋白质设计软件，并用它来创建分子，以解决医学、技术和可持续性方面的挑战。
Demis Hassabis 和 John M. Jumper 开发了一种人工智能模型来解决一个 50 年前的问题：预测蛋白质的复杂结构。他们开发的 AlphaFold2 人工智能模型是一项基于深度学习和神经网络技术的算法，它可以从蛋白质的氨基酸序列预测蛋白质的三维结构。
借助它，他们能够预测已知的几乎所有 2 亿种蛋白质结构。自这项模型推出以来，已有来自 190 个国家超过 200 万人使用这一工具。
Hassabis 1976 年出生于英国伦敦，2009 年在伦敦大学学院获得博士学位，目前是谷歌 DeepMind 首席执行官兼联合创始人。Jumper 1985 年出生于美国小石城，2017 年在芝加哥大学获得博士学位，目前是 DeepMind 高级研究科学家。
他们的成就为蛋白质研究带来了重大突破。蛋白质是构成人体一切细胞和组织的重要成分，可以说没有蛋白质就没有生命。他们的发现使人类能够预测蛋白质结构并设计我们自己的蛋白质，这给人类带来了最大的益处。
例如，现在研究人员可以更好地了解抗生素耐药性并创建可以分解塑料的酶的图像。同时，他们的工作也充分说明了二十一世纪是生命科学的世纪，人工智能在化学领域的应用为未来科研开辟了新的方向。
AI技术在物理学和化学两个截然不同的领域同时获得诺贝尔奖，这充分展示了AI的跨学科特性和强大潜力。AI已经超越了计算工具的范畴，成为推动科学前沿探索的核心力量。
无论是物理学中的复杂系统模拟，还是化学中的分子结构预测，AI都展现出了强大的通用性和适应性。它能够帮助科学家解决一些传统方法难以解决的问题，推动科学研究的不断深入和发展。
也许AI真的不会再陷入低谷了。
