AI“闪耀”诺贝尔奖(2)

尽管如此，遭AI抢了风头的物理学奖，也免不了受到争议，舆论上的另一拨声音不断涌现，甚至有人戏谑，“和人工智能结合的物理并不是真正的物理！”、““AI拿了奖，物理学不存在了”。

质疑的声音主要集中在“人工神经网络并非传统意义上的‘物理’”。

物理学传统的定义是研究物质最一般的运动规律和物质基本结构的学科，往年的诺贝尔物理学奖大都比较符合预期。在奖项公布前，行业内不少人觉得今年的物理学奖应该是自旋电子、反常霍尔效应、拓扑绝缘体等当中的一个。

“很意外，真的很意外！学物理和学计算机的人都给干沉默了。”一位认证为中国科学院大学工学博士的知乎用户发文称，“或许是物理学的概念也在与时俱进的发生着变化，而我们对‘物理学’的理解过于狭隘和传统。”

在北师大理论物理博士刘易安眼中，这既在意料之外，也在意料之中。

刘易安告诉界面新闻，诺贝尔物理学奖一般只颁发那种创新性极高一些基础物理的突破，还有一些已经实际应用的重大技术进步。但很明显AI目前应用到物理学研究当中，并没有重大的基础性的突破，一个很典型的特征是没有AI促进的新物理的发现。

“AI更属于计算机算法领域，很难说是物理学上的学科，AI研究需要的物理知识并不多，这是意料之外的。”刘易安称，意料之内则是因为自从前些年机器学习在物理学中的应用火了以后，已经有了相当多的论文出现。

相比AI在物理学奖上的争议，业内对于AI在化学影响的认同度则更高。

科普作家冷哲在一篇文章中声称：“如果机器学习在物理学层面属于锦上添花的帮助的话，在生物领域，尤其是蛋白质领域，这就是雪中送炭了，或者可以用颠覆性的成果来评价。”

“他们破解了蛋白质奇妙结构的密码。”诺贝尔奖颁奖词写道，蛋白质是生命中巧妙的化学工具。大卫·贝克（David Baker）制造出了全新种类的蛋白质；戴米斯·哈萨比斯（Demis Hassabis）和约翰·乔普（John M.Jumper）开发了一个人工智能模型来预测蛋白质的复杂结构，而该问题已存在了50年。他们的发现潜力巨大。

大卫·贝克（左）、戴米斯·哈萨比斯（中）、约翰·乔普（右） 图片来源：诺贝尔奖官网

“没有蛋白质，生命就无法存在。我们现在可以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好处。”瑞典皇家科学院称。

那么，蛋白质设计和蛋白质结构预测有什么用？

冷哲解释道，“之前我们对于蛋白质的理解，都是说自然界里有什么性质的蛋白质，我们来找一找，找到以后来研究有什么用，然后看能不能进行一下优化。”

比如典型的例子就是PCR（聚合酶链反应，一种常用的分子生物学技术）用的耐高温的酶，首先是自然界里真的有这种酶，在遭找到后进行一些优化，让它变得更好用。

“之前我们对于蛋白质工程的应用，甚至夸张点，都是停留在原始社会阶段，就像是在山里找个石头很锋利，可以拿来切割，也可以砍人，为了让它更好用一点，就给它敲一敲打磨一下，算是二次加工了。”冷哲称。

而有了蛋白质设计工具以后，科学家可根据需求，通过AI来定制各种功能的蛋白质，比如抗逆性+很强，又能耐高温，又能耐低温的酶。之前还是合成生物学，未来是设计生物学。

“虽然很多idea还很难实现，但这是0和1的区别。之前是不行，现在可以了。”冷哲称。

由戴米斯·哈萨比斯和约翰·乔普设计出的名为AlphaFold2的AI模型，目前能够预测研究人员已经落实的几乎所有两亿种蛋白质的结构。自2020年诞生以来，AlphaFold2已经遭来自190个国家的200多万人使用。

受益于AlphaFold2，研究人员现在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。