划重点
“AI教父”辛顿与谷歌DeepMind CEO哈萨比斯分别获得诺贝尔奖，可能改变科研领域的未来方向。
AI研究员获奖可能有两个原因：AI在学术研究中无孔不入，计算机科学家可被归入任何领域。
AI研究员获奖可能引发两大风险，一是吸引更多人跟风，二是遏制创新思维的发展。
“人工智能教父”杰弗里辛顿（Geoffrey Hinton）与谷歌DeepMind首席执行官德米斯哈萨比斯（Demis Hassabis）本周分别荣获诺贝尔物理学奖和化学奖，这一消息在科研及人工智能领域掀起轩然大波。对此，不少人感到忧虑：这是否会给更广泛的科学激励机制带来颠覆性的影响？
01 两大原因可能助力AI研究员获诺奖
哈萨比斯起初并不知道自己获得了瑞典皇家科学院颁发的诺贝尔化学奖，直到他的妻子在Skype上频繁接到一个来自瑞典的电话。
在随后庆祝获奖的新闻发布会上，哈萨比斯与其谷歌DeepMind同事约翰江珀（John Jumper）一同亮相，并分享道：“她（指妻子）几次拿起又放下电话，但铃声依旧不断。后来，我想她可能意识到了这是瑞典的来电，于是他们转而询问了我的联系方式。”
其实，哈萨比斯获得诺贝尔化学奖可能并不让人感到太意外：就在前一天，被誉为“人工智能教父”的辛顿与普林斯顿大学教授约翰霍普菲尔德（John Hopfield）已经因为在机器学习领域的卓越贡献而被授予诺贝尔物理学奖。
显然，人工智能时代的大幕已经拉开。如今，通过深入研究人工智能并为其他学科领域贡献力量，完全有可能获得诺贝尔奖。辛顿和霍普菲尔德在物理学领域，哈萨比斯、江珀（以及与他们一同获奖的华盛顿大学基因组科学家大卫贝克（David Baker））所专注的化学领域，就是最典型的例子。
剑桥大学Leverhulme未来智能中心的高级研究员埃莉诺德拉格（Eleanor Drage）指出：“这无疑标志着‘科学领域的人工智能’时刻。当我们目睹杰出的计算机科学家荣获诺贝尔化学奖和物理学奖时，大家不禁开始猜测，和平奖的桂冠又将花落谁家。”她办公室的同僚们开玩笑说，xAI的创始人埃隆马斯克（Elon Musk）已成为和平奖的热门候选人。
德拉格认为，向人工智能领域的研究者颁发诺贝尔物理学奖和化学奖“不仅在这些学科内部引发了热议，也在外部引起了广泛关注，讨论异常激烈。”她分析，这些奖项的颁发可能有两个原因：一是人工智能在学术研究中无孔不入，极大地模糊了学科之间的界限；二是“我们如此推崇计算机科学家，以至于愿意将他们归入任何领域。”
尽管德拉格对于诺奖组委会本周的决定持谨慎态度，但她和其他人都坚信，这一决定无疑将对科研领域的未来研究方向产生深远影响。
英国科研诚信办公室前研究诚信经理马特霍奇金森（Matt Hodgkinson）认为：“利用人工智能获得诺贝尔奖的趋势或许已初见端倪，这无疑会引导研究方向的转变。”然而，随之而来的问题是，这种变革是否将引领我们走向正确的道路？
02 AI研究员获奖可能吸引更多人跟风
作为本年度诺贝尔化学奖的得主之一，贝克在利用人工智能预测蛋白质结构领域始终扮演着领军角色。数十年来，他始终致力于攻克这一难题，并取得了显著的进展。贝克发现，由于问题的明确界定以及蛋白质结构的规范性，这一领域成为了人工智能算法的理想试验常不过，他的成功绝非偶然，贝克在其职业生涯中已发表了超过600篇学术论文。同样，谷歌DeepMind在AlphaFold2项目上也付出了巨大努力。
然而，霍奇金森表达了他的担忧：在研究今年三位诺贝尔奖得主的成功因素时，该领域的研究人员可能会过于关注技术细节，而忽视了科学的本质。他说：“我希望这不会误导研究人员，让他们误以为所有的人工智能工具都具有同样的价值，从而滥用诸如聊天机器人等工具。”
这种担忧源于人们对其他被认为具有颠覆性技术的浓厚兴趣所带来的潜在影响。霍奇金森表示：“技术炒作总是难以避免，最近的例子包括石墨烯和区块链。”
谷歌学术论文搜索工具Google Scholar的数据显示，自2004年石墨烯被发现后，2005年至2009年间提及该材料的学术论文数量为4.5万篇。然而，在安德烈海姆（Andre Geim）和康斯坦丁诺沃谢洛夫（Konstantin Novoselov）因发现石墨烯而荣获诺贝尔奖后，相关论文的发表数量急剧攀升，2010年至2014年间达到45.4万篇，2015年至2020年间更是突破了100万篇。但遗憾的是，尽管研究热情高涨，迄今为止这些研究对现实世界的影响仍然相对有限。
霍奇金森认为，多名研究人员因其在人工智能领域的贡献而荣获诺贝尔奖，这种激励效应可能会吸引更多人才涌入该领域，进而可能对科研方向产生影响。他进一步指出：“人工智能的提议和应用是否具有实质性的科学价值，这是另一个值得我们深思的问题。”
我们已经见证了媒体和公众对人工智能的广泛关注对学术界产生的巨大影响。斯坦福大学的研究表明，从2010年至2022年，人工智能领域的论文发表数量翻了两番，仅在2022年就发表了近25万篇论文，相当于每天有超过660篇新论文诞生。这一数据还是在2022年11月ChatGPT引领生成式人工智能革命之前统计的。
03 新趋势或带来两大风险
纽约大学坦顿工程学院计算机科学副教授、从事人工智能研究的朱利安托格里厄斯（Julian Togelius）对学者们可能受到媒体关注、金钱诱惑以及诺贝尔奖委员会赞誉的影响程度表示担忧。他强调：“科学家通常会选择阻力最孝回报最大的发展路径。”
监狱学术界的竞争变得越来越激烈、资金的日益稀缺以及其与研究人员职业发展前景的直接关联，将热门话题与获取资源相结合，这样的诱惑或许让任何人都难以抗拒。
然而，这种趋势可能会带来两大风险，一是遏制创新思维的发展。托格里厄斯解释称：“从自然界中获取更多基础数据，并提出人类能够理解的新理论，无疑是一项极具挑战性的任务，这需要深刻的洞察力和不懈的探索。” 对于研究人员来说，虽然利用人工智能进行模拟、支持现有理论并处理现有数据在理解上只能带来小幅提升，而非革命性的突破，但这种方法却更为高效。托格里厄斯预测，新一代科学家可能会倾向于选择这条更为简便的道路。
第二种潜在风险是，一些过于自信的计算机科学家，在推动人工智能领域发展的同时，看到人工智能在不相关的科学领域（如物理和化学）帮助研究人员获得诺贝尔奖，可能决心效仿这些做法，从而进入其他研究领域。托格里厄斯警告道：“当计算机科学家涉足自己并不熟悉的领域时，他们往往会不假思索地引入算法，并将其称之为进步。无论这种做法是否有效，他们都认为这是理所当然的。”
托格里厄斯还表示，由于自己对物理学、生物学或地质学等领域的知识有限，他也曾有过将深度学习应用于其他科学领域，并在深入思考之前就急于“推进”的念头。
哈萨比斯就是利用人工智能推动科学进步的代表人物。他拥有神经科学博士学位，自2009年以来，在谷歌DeepMind凭借深厚的专业背景为人工智能的发展做出了卓越贡献。然而，他也坦言，该行业提高效率的方式已经发生了转变。他在诺贝尔奖新闻发布会上提及：“当前，人工智能正愈发倾向于工程化。我们已掌握众多技术，当下的主要工作是算法的改进，而不再直接参考大脑的工作机制。”
这一变化对研究类型、研究对象、研究人员的专业背景和动机都产生了深远的影响。我们可能会见证更多计算机科学家参与不同领域的研究，他们可能不再终身致力于某一个专业领域，并逐步脱离他们所研究的现实。
尽管如此，这并未减少哈萨比斯、江珀及其同事对荣获诺贝尔奖的喜悦之情。哈萨比斯早些时候透露：“我们即将完成AlphaFold3的代码清理工作，并计划将其向学术界开放，供自由使用。之后，我们将继续前行。”（科技新闻特约编译金鹿）
