人工智能是否、如何改变世界存在各种争论，而本周诺贝尔物理学奖、化学奖的得奖名单，强调该技术已在幕后改变科学本身，协助解决棘手问题并分析大量科学数据，但不是所有研究人员都对这项结果感到开心。
周二，AI教父Geoffrey Hinton、分子生物学教授John Hopfield两人因1970～1980年代投入机器学习研究工作荣获今年诺贝尔物理学奖，他们各自利用物理学概念发明人工神经网络，引起并促进人工智能发展。
周三，Google DeepMind首席执行官Demis Hassabis、DeepMind主管John Jumper、华盛顿大学生物化学教授David Baker共同获得诺贝尔化学奖。DeepMind开发的AlphaFold 2人工智能系统有效解决生物学半世纪以来最棘手问题之一：预测蛋白质复杂结构；David Baker则开发另一种由人工智能驱动的蛋白质预测工具RoseTTAFold，还设计出全新蛋白质。
一般来说，诺贝尔奖通常颁给几十年前完成的研究，这样才有一定时间明确评估研究内容是否对人类具最大利益。
然而Google旗下DeepMind公司4年前才首次推出AlphaFold 2系统，诺贝尔奖委员会认为，该系统如今已被世界各地科学家用来解决一系列科学问题，包括探索抗生素抗药性、药物设计、作物恢复力等，DeepMind团队也还在持续改进系统版本。
AI应该归为自有类别？尽管如此，诺贝尔物理学奖公布不久社交媒体便一片哗然，几位物理学家认为Geoffrey Hinton、John Hopfield做机器学习研究的背后并非传统物理学。
德国慕尼黑数学哲学中心物理学家Sabine Hossenfelder表示，Geoffrey Hinton、John Hopfield的研究属于“计算机科学领域”而非物理学， 一年一度诺贝尔物理学奖理应让大众新认识一名在基础科研深耕多年的物理学家，但今年不行。
美国本特利大学数学副教授Noah Giansiracusa说，即使有来自物理学的灵感，Geoffrey Hinton、John Hopfield也没有发展出新的物理学理论，或解决物理学长期存在的问题。
不过也有些物理学家首肯今年得奖者，他们认为Geoffrey Hinton、John Hopfield研究跨学科，将物理学、数学、计算机科学、神经科学结合在一起；加州科普作家Anil Ananthaswamy指出，诺贝尔委员会引用的研究虽然不是最纯粹的理论物理学，但它确实也植根于物理学技术和概念。
随着人工智能崛起，未来我们肯定看到更多使用人工智能工具的研究人员拿下诺贝尔奖牌，或许世界在进步，而诺贝尔奖认可的物理学、化学、医学科学方法界线逐渐模糊，或许人工智能需要自己的诺贝尔奖类别。
（首图来源：pixabay）
