近日，諾貝爾獎的公布讓AI成為了最大的贏家。10月8日，瑞典皇家科學(xué)院宣布，將2024年諾貝爾物理學(xué)獎授予約翰·霍普菲爾德和杰弗里·辛頓，表彰他們利用物理學(xué)工具開發(fā)出機器學(xué)習(xí)技術(shù)的基礎(chǔ)方法。

緊接著，諾貝爾化學(xué)獎也揭曉，大衛(wèi)·貝克、戴米斯·哈薩比斯和約翰·江珀因利用AI在蛋白質(zhì)設(shè)計和蛋白質(zhì)結(jié)構(gòu)預(yù)測領(lǐng)域的貢獻而獲獎。簡單來說，諾獎評委們把物理學(xué)獎頒給了機器學(xué)習(xí)，化學(xué)獎則頒給了AI預(yù)測蛋白質(zhì)結(jié)構(gòu)和設(shè)計。

霍普菲爾德在1982年創(chuàng)造的聯(lián)想神經(jīng)網(wǎng)絡(luò)，即霍普菲爾德網(wǎng)絡(luò)，能夠存儲并重現(xiàn)圖像和其他數(shù)據(jù)模式的關(guān)聯(lián)記憶技術(shù)。這一技術(shù)解決了人是如何進行聯(lián)想記憶的問題。而辛頓則開發(fā)了玻爾茲曼機，這是一種新的神經(jīng)網(wǎng)絡(luò)，用于研究神經(jīng)元之間相互作用的關(guān)系，推動了機器學(xué)習(xí)的快速發(fā)展。

在化學(xué)獎方面，大衛(wèi)·貝克率先開發(fā)了設(shè)計和預(yù)測蛋白質(zhì)三維結(jié)構(gòu)的方法，創(chuàng)造出了全新的蛋白質(zhì)，解決醫(yī)學(xué)難題。戴米斯·哈薩比斯和約翰·江珀則創(chuàng)造了AI蛋白質(zhì)結(jié)構(gòu)分析工具AlphaFold，將蛋白質(zhì)預(yù)測帶入了一個新紀(jì)元。AlphaFold通過深度學(xué)習(xí)模型快速且準(zhǔn)確地預(yù)測蛋白質(zhì)結(jié)構(gòu)，大大提高了蛋白質(zhì)研究的效率。

AI之所以能在諾貝爾獎舞臺上大放異彩，是因為其學(xué)習(xí)效率遠超人類。辛頓近年來發(fā)現(xiàn)，AI在知識傳播效率、學(xué)習(xí)機制、能源效率方面都具有顯著優(yōu)勢。例如，一個AI智能體掌握的知識可以迅速傳播給所有AI智能體，而人類的學(xué)習(xí)過程則相對漫長且效率較低。盡管AI的連接數(shù)量遠低于人類大腦，但AI卻能以更少的連接記住并思考人類所有的知識和文明。

隨著AI學(xué)習(xí)能力的不斷增強，知識正在迅速貶值。有預(yù)測認(rèn)為，未來幾乎所有的專業(yè)知識都將被AI免費化。這一趨勢可能導(dǎo)致傳統(tǒng)以知識傳遞為核心的人力資本投資回報降低，而跨學(xué)科知識的重要性將進一步提升。未來，掌握人工智能工具的人可能會比拒絕人工智能的人更有效地工作，甚至有望在各個領(lǐng)域爭奪諾貝爾獎。