劃重點(diǎn)
“AI教父”辛頓與谷歌DeepMind CEO哈薩比斯分別獲得諾貝爾獎(jiǎng)，可能改變科研領(lǐng)域的未來方向。
AI研究員獲獎(jiǎng)可能有兩個(gè)原因：AI在學(xué)術(shù)研究中無孔不入，計(jì)算機(jī)科學(xué)家可被歸入任何領(lǐng)域。
AI研究員獲獎(jiǎng)可能引發(fā)兩大風(fēng)險(xiǎn)，一是吸引更多人跟風(fēng)，二是遏制創(chuàng)新思維的發(fā)展。
“人工智能教父”杰弗里辛頓（Geoffrey Hinton）與谷歌DeepMind首席執(zhí)行官德米斯哈薩比斯（Demis Hassabis）本周分別榮獲諾貝爾物理學(xué)獎(jiǎng)和化學(xué)獎(jiǎng)，這一消息在科研及人工智能領(lǐng)域掀起軒然大波。對(duì)此，不少人感到憂慮：這是否會(huì)給更廣泛的科學(xué)激勵(lì)機(jī)制帶來顛覆性的影響？
01 兩大原因可能助力AI研究員獲諾獎(jiǎng)
哈薩比斯起初并不知道自己獲得了瑞典皇家科學(xué)院頒發(fā)的諾貝爾化學(xué)獎(jiǎng)，直到他的妻子在Skype上頻繁接到一個(gè)來自瑞典的電話。
在隨后慶祝獲獎(jiǎng)的新聞發(fā)布會(huì)上，哈薩比斯與其谷歌DeepMind同事約翰江珀（John Jumper）一同亮相，并分享道：“她（指妻子）幾次拿起又放下電話，但鈴聲依舊不斷。后來，我想她可能意識(shí)到了這是瑞典的來電，于是他們轉(zhuǎn)而詢問了我的聯(lián)系方式。”
其實(shí)，哈薩比斯獲得諾貝爾化學(xué)獎(jiǎng)可能并不讓人感到太意外：就在前一天，被譽(yù)為“人工智能教父”的辛頓與普林斯頓大學(xué)教授約翰霍普菲爾德（John Hopfield）已經(jīng)因?yàn)樵跈C(jī)器學(xué)習(xí)領(lǐng)域的卓越貢獻(xiàn)而被授予諾貝爾物理學(xué)獎(jiǎng)。
顯然，人工智能時(shí)代的大幕已經(jīng)拉開。如今，通過深入研究人工智能并為其他學(xué)科領(lǐng)域貢獻(xiàn)力量，完全有可能獲得諾貝爾獎(jiǎng)。辛頓和霍普菲爾德在物理學(xué)領(lǐng)域，哈薩比斯、江珀（以及與他們一同獲獎(jiǎng)的華盛頓大學(xué)基因組科學(xué)家大衛(wèi)貝克（David Baker））所專注的化學(xué)領(lǐng)域，就是最典型的例子。
劍橋大學(xué)Leverhulme未來智能中心的高級(jí)研究員埃莉諾德拉格（Eleanor Drage）指出：“這無疑標(biāo)志著‘科學(xué)領(lǐng)域的人工智能’時(shí)刻。當(dāng)我們目睹杰出的計(jì)算機(jī)科學(xué)家榮獲諾貝爾化學(xué)獎(jiǎng)和物理學(xué)獎(jiǎng)時(shí)，大家不禁開始猜測(cè)，和平獎(jiǎng)的桂冠又將花落誰(shuí)家。”她辦公室的同僚們開玩笑說，xAI的創(chuàng)始人埃隆馬斯克（Elon Musk）已成為和平獎(jiǎng)的熱門候選人。
德拉格認(rèn)為，向人工智能領(lǐng)域的研究者頒發(fā)諾貝爾物理學(xué)獎(jiǎng)和化學(xué)獎(jiǎng)“不僅在這些學(xué)科內(nèi)部引發(fā)了熱議，也在外部引起了廣泛關(guān)注，討論異常激烈。”她分析，這些獎(jiǎng)項(xiàng)的頒發(fā)可能有兩個(gè)原因：一是人工智能在學(xué)術(shù)研究中無孔不入，極大地模糊了學(xué)科之間的界限；二是“我們?nèi)绱送瞥缬?jì)算機(jī)科學(xué)家，以至于愿意將他們歸入任何領(lǐng)域。”
盡管德拉格對(duì)于諾獎(jiǎng)組委會(huì)本周的決定持謹(jǐn)慎態(tài)度，但她和其他人都堅(jiān)信，這一決定無疑將對(duì)科研領(lǐng)域的未來研究方向產(chǎn)生深遠(yuǎn)影響。
英國(guó)科研誠(chéng)信辦公室前研究誠(chéng)信經(jīng)理馬特霍奇金森（Matt Hodgkinson）認(rèn)為：“利用人工智能獲得諾貝爾獎(jiǎng)的趨勢(shì)或許已初見端倪，這無疑會(huì)引導(dǎo)研究方向的轉(zhuǎn)變。”然而，隨之而來的問題是，這種變革是否將引領(lǐng)我們走向正確的道路？
02 AI研究員獲獎(jiǎng)可能吸引更多人跟風(fēng)
作為本年度諾貝爾化學(xué)獎(jiǎng)的得主之一，貝克在利用人工智能預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)領(lǐng)域始終扮演著領(lǐng)軍角色。數(shù)十年來，他始終致力于攻克這一難題，并取得了顯著的進(jìn)展。貝克發(fā)現(xiàn)，由于問題的明確界定以及蛋白質(zhì)結(jié)構(gòu)的規(guī)范性，這一領(lǐng)域成為了人工智能算法的理想試驗(yàn)常不過，他的成功絕非偶然，貝克在其職業(yè)生涯中已發(fā)表了超過600篇學(xué)術(shù)論文。同樣，谷歌DeepMind在AlphaFold2項(xiàng)目上也付出了巨大努力。
然而，霍奇金森表達(dá)了他的擔(dān)憂：在研究今年三位諾貝爾獎(jiǎng)得主的成功因素時(shí)，該領(lǐng)域的研究人員可能會(huì)過于關(guān)注技術(shù)細(xì)節(jié)，而忽視了科學(xué)的本質(zhì)。他說：“我希望這不會(huì)誤導(dǎo)研究人員，讓他們誤以為所有的人工智能工具都具有同樣的價(jià)值，從而濫用諸如聊天機(jī)器人等工具。”
這種擔(dān)憂源于人們對(duì)其他被認(rèn)為具有顛覆性技術(shù)的濃厚興趣所帶來的潛在影響�；羝娼鹕硎荆�“技術(shù)炒作總是難以避免，最近的例子包括石墨烯和區(qū)塊鏈。”
谷歌學(xué)術(shù)論文搜索工具Google Scholar的數(shù)據(jù)顯示，自2004年石墨烯被發(fā)現(xiàn)后，2005年至2009年間提及該材料的學(xué)術(shù)論文數(shù)量為4.5萬篇。然而，在安德烈海姆（Andre Geim）和康斯坦丁諾沃謝洛夫（Konstantin Novoselov）因發(fā)現(xiàn)石墨烯而榮獲諾貝爾獎(jiǎng)后，相關(guān)論文的發(fā)表數(shù)量急劇攀升，2010年至2014年間達(dá)到45.4萬篇，2015年至2020年間更是突破了100萬篇。但遺憾的是，盡管研究熱情高漲，迄今為止這些研究對(duì)現(xiàn)實(shí)世界的影響仍然相對(duì)有限。
霍奇金森認(rèn)為，多名研究人員因其在人工智能領(lǐng)域的貢獻(xiàn)而榮獲諾貝爾獎(jiǎng)，這種激勵(lì)效應(yīng)可能會(huì)吸引更多人才涌入該領(lǐng)域，進(jìn)而可能對(duì)科研方向產(chǎn)生影響。他進(jìn)一步指出：“人工智能的提議和應(yīng)用是否具有實(shí)質(zhì)性的科學(xué)價(jià)值，這是另一個(gè)值得我們深思的問題。”
我們已經(jīng)見證了媒體和公眾對(duì)人工智能的廣泛關(guān)注對(duì)學(xué)術(shù)界產(chǎn)生的巨大影響。斯坦福大學(xué)的研究表明，從2010年至2022年，人工智能領(lǐng)域的論文發(fā)表數(shù)量翻了兩番，僅在2022年就發(fā)表了近25萬篇論文，相當(dāng)于每天有超過660篇新論文誕生。這一數(shù)據(jù)還是在2022年11月ChatGPT引領(lǐng)生成式人工智能革命之前統(tǒng)計(jì)的。
03 新趨勢(shì)或帶來兩大風(fēng)險(xiǎn)
紐約大學(xué)坦頓工程學(xué)院計(jì)算機(jī)科學(xué)副教授、從事人工智能研究的朱利安托格里厄斯（Julian Togelius）對(duì)學(xué)者們可能受到媒體關(guān)注、金錢誘惑以及諾貝爾獎(jiǎng)委員會(huì)贊譽(yù)的影響程度表示擔(dān)憂。他強(qiáng)調(diào)：“科學(xué)家通常會(huì)選擇阻力最孝回報(bào)最大的發(fā)展路徑。”
監(jiān)獄學(xué)術(shù)界的競(jìng)爭(zhēng)變得越來越激烈、資金的日益稀缺以及其與研究人員職業(yè)發(fā)展前景的直接關(guān)聯(lián)，將熱門話題與獲取資源相結(jié)合，這樣的誘惑或許讓任何人都難以抗拒。
然而，這種趨勢(shì)可能會(huì)帶來兩大風(fēng)險(xiǎn)，一是遏制創(chuàng)新思維的發(fā)展。托格里厄斯解釋稱：“從自然界中獲取更多基礎(chǔ)數(shù)據(jù)，并提出人類能夠理解的新理論，無疑是一項(xiàng)極具挑戰(zhàn)性的任務(wù)，這需要深刻的洞察力和不懈的探索。” 對(duì)于研究人員來說，雖然利用人工智能進(jìn)行模擬、支持現(xiàn)有理論并處理現(xiàn)有數(shù)據(jù)在理解上只能帶來小幅提升，而非革命性的突破，但這種方法卻更為高效。托格里厄斯預(yù)測(cè)，新一代科學(xué)家可能會(huì)傾向于選擇這條更為簡(jiǎn)便的道路。
第二種潛在風(fēng)險(xiǎn)是，一些過于自信的計(jì)算機(jī)科學(xué)家，在推動(dòng)人工智能領(lǐng)域發(fā)展的同時(shí)，看到人工智能在不相關(guān)的科學(xué)領(lǐng)域（如物理和化學(xué)）幫助研究人員獲得諾貝爾獎(jiǎng)，可能決心效仿這些做法，從而進(jìn)入其他研究領(lǐng)域。托格里厄斯警告道：“當(dāng)計(jì)算機(jī)科學(xué)家涉足自己并不熟悉的領(lǐng)域時(shí)，他們往往會(huì)不假思索地引入算法，并將其稱之為進(jìn)步。無論這種做法是否有效，他們都認(rèn)為這是理所當(dāng)然的。”
托格里厄斯還表示，由于自己對(duì)物理學(xué)、生物學(xué)或地質(zhì)學(xué)等領(lǐng)域的知識(shí)有限，他也曾有過將深度學(xué)習(xí)應(yīng)用于其他科學(xué)領(lǐng)域，并在深入思考之前就急于“推進(jìn)”的念頭。
哈薩比斯就是利用人工智能推動(dòng)科學(xué)進(jìn)步的代表人物。他擁有神經(jīng)科學(xué)博士學(xué)位，自2009年以來，在谷歌DeepMind憑借深厚的專業(yè)背景為人工智能的發(fā)展做出了卓越貢獻(xiàn)。然而，他也坦言，該行業(yè)提高效率的方式已經(jīng)發(fā)生了轉(zhuǎn)變。他在諾貝爾獎(jiǎng)新聞發(fā)布會(huì)上提及：“當(dāng)前，人工智能正愈發(fā)傾向于工程化。我們已掌握眾多技術(shù)，當(dāng)下的主要工作是算法的改進(jìn)，而不再直接參考大腦的工作機(jī)制。”
這一變化對(duì)研究類型、研究對(duì)象、研究人員的專業(yè)背景和動(dòng)機(jī)都產(chǎn)生了深遠(yuǎn)的影響。我們可能會(huì)見證更多計(jì)算機(jī)科學(xué)家參與不同領(lǐng)域的研究，他們可能不再終身致力于某一個(gè)專業(yè)領(lǐng)域，并逐步脫離他們所研究的現(xiàn)實(shí)。
盡管如此，這并未減少哈薩比斯、江珀及其同事對(duì)榮獲諾貝爾獎(jiǎng)的喜悅之情。哈薩比斯早些時(shí)候透露：“我們即將完成AlphaFold3的代碼清理工作，并計(jì)劃將其向?qū)W術(shù)界開放，供自由使用。之后，我們將繼續(xù)前行。”（科技新聞特約編譯金鹿）
