《李国杰院士：诺贝尔物理学和化学奖为何偏爱人工智能?》

　2024 年，诺贝尔物理学和化学奖授予了从事人工智能相关研究的学者，这一事件在科学界引起了广泛的热议和争论。中国工程院院士李国杰在《科技导报》上发表的《诺贝尔物理学和化学奖为何偏爱人工智能?》一文，为我们深入剖析了这一现象背后的原因。

　　诺贝尔奖委员会将诺贝尔物理学奖授予约翰・霍普菲尔德和杰弗里・辛顿，表彰他们使用人工神经网络进行机器学习的基础性发现和发明。次日，诺贝尔化学奖授予大卫・贝克、戴米斯・哈萨比斯和约翰・江珀，表彰他们在计算蛋白质设计和用机器学习方法预测蛋白质结构方面的贡献。这两项基础科学的大奖都颁给了做人工智能相关研究的学者，其原因在于人工神经网络是用物理学工具训练的，这表明物理学是人工智能的源头。

　　霍普菲尔德 1982 年提出的人工神经网络模型(Hopfield Network)，标志着以人工神经网络为新方向的人工智能学科的复兴。Hopfield Network 对统计物理学、人工智能和神经科学三大学科都产生了巨大的影响。辛顿的研究以 Hopfield 网络为基础，创建了玻尔兹曼机，他们都使用了统计物理学的工具来解决人工智能问题。

　　这次诺贝尔奖的 “跨界”，不仅说明了诺贝尔奖委员会在与时俱进，更重要的是，唤醒了人们对人工智能超预期发展和广泛渗透性的重视。现在人工智能已成为物理、化学、生物等基础研究的重要工具，“AI for Science” 正在引起一场科研范式的大变革。

　　近百年来，学科越分越细，这与学科融合发展的趋势背道而驰。辛顿教授获得诺贝尔奖后接受采访时的回答，透露了获得重大科学突破的奥秘：做不知道属于哪个领域的交叉科学研究。这次 “诺奖风波” 后，许多学者可能会对长期以来禁锢我们思维的学科和专业茧房有全新的思考，会更加重视跨学科的研究。

　　人工智能能推动物理、化学、生物等基础研究，涉及深层次的哲学问题。物理与计算都致力于描述自然界如何运作，都试图建立通用的世界模型。有些学者认为，现在的人工神经网络模型逐步演化，相互融合，最终会形成通用的世界模型。信息论与物理学中的热力学也有着深层次的联系，一些激进的物理学家和哲学家提出，信息是物理世界的基础。但更多的学者认为，用离散的图灵机计算模型不能解释全部客观世界，需要发明和构建更通用的计算模型和物理模型。

　　人工智能和物理等基础科学能走到一起，还有另一方面的原因。英国哲学家波普尔区别了两种知识：“钟” 和 “云”。长期以来，人们习惯用刻画 “钟” 的数学语言讲述 “云” 的故事。人工智能类似于不太干净的抹布，适合处理类似 “云” 的难以精确描述的问题。如果用过滤装置帮助我们过滤掉那些杂质，就可以得到干净的水(科学)了。现在留下的物理学问题，都是复杂性很高的问题，需要用到类似 “云” 的知识，就和人工智能走到一起了。

　　复杂性挑战逼迫人工智能和所有的传统科学形成了 “统一战线”。冯・诺依曼早在 60 年前就提出 20 世纪应该着力解决的焦点问题是复杂性问题。1956 年的达特茅斯会议上，西蒙建议用 “复杂信息处理” 这一术语取代 “人工智能”，说明人工智能从诞生之初就还有一个目标：认识和驾驭 “复杂系统”。

　　近几年科研范式正在发生重大的变化，智能化科研(AI for Research，AI4R)的主要动力来自驾驭复杂性。物理、化学、生物学研究都要靠人工智能来对付指数爆炸。目前对付维数灾难只有两条出路，一是机器学习，二是复杂性科学。

　　2009 年，中国科学院组织学者做《至 2050 年科学技术发展路线图》战略研究，认为 21 世纪上半叶将兴起一场以高性能计算和仿真、网络科学、智能科学、计算思维为特征的信息科学革命。近几年人工智能的大发展似乎检验了 15 年前的战略预见，人工智能就是当时期盼的 21 世纪 20—30 年代可能会出现的基本创新。

　　人工智能技术的大发展，预示人类已经处在进入智能时代的前夜。诺贝尔物理学奖、化学奖颁给人工智能学者本身不是一件大事，但这次颁奖可能会在科技发展史留下痕迹，我们的后代会记住这些为人类迈进智能时代做出重大贡献的伟大科学家。