為什么是AI？獲得了今年的諾貝爾物理學(xué)獎(jiǎng)”

凌晨1點(diǎn)的加利福利亞州，科學(xué)家杰弗里·辛頓（Geoffrey E. Hinton）剛躺下睡了沒多久，就被電話鈴聲吵醒，他在考慮是否應(yīng)該接聽。

幸運(yùn)的是，他按下了接聽鍵，想看看是誰打來的，對(duì)方告訴他，“恭喜你獲得了今年的諾貝爾物理學(xué)獎(jiǎng)”。 

“這不會(huì)是個(gè)詐騙電話吧？”杰弗里·辛頓的第一反應(yīng)是難以置信。畢竟他不是物理學(xué)家，大學(xué)一年級(jí)時(shí)還從物理學(xué)專業(yè)退學(xué)了，因?yàn)椴粫?huì)做復(fù)雜的數(shù)學(xué)。

由于其在人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)上的突出成就，杰弗里·辛頓被譽(yù)為“AI教父”，并在2018年榮獲有“計(jì)算機(jī)領(lǐng)域的諾貝爾獎(jiǎng)”之稱的圖靈獎(jiǎng)。加上本次獲獎(jiǎng)更是讓他成為史上首位同時(shí)獲得圖靈獎(jiǎng)和諾貝爾獎(jiǎng)的科學(xué)家。

如果只有杰弗里·辛頓一位，今年的諾貝爾獎(jiǎng)或許還不至于形成如此轟動(dòng)熱烈的輿論場(chǎng)，直到第二天，諾貝爾化學(xué)獎(jiǎng)的三位獲獎(jiǎng)?wù)咧?，戴米斯·哈薩比斯（Demis Hassabis）和約翰·江珀（John M.Jumper）兩位都來自于谷歌旗下的AI團(tuán)隊(duì)DeepMind，輿論徹底爆發(fā)。 

至此，AI成為今年諾貝爾獎(jiǎng)的最大贏家。 

為什么是AI？

“這是預(yù)料之中的事?！比A南理工大學(xué)物理系教授姚堯告訴界面新聞。 

當(dāng)他得知今年的諾貝爾物理學(xué)獎(jiǎng)及化學(xué)獎(jiǎng)，均授予了人工智能領(lǐng)域的學(xué)者時(shí)，他的第一反應(yīng)是，“這事早晚會(huì)發(fā)生”。因?yàn)槿斯ぶ悄苁悄壳白钋把氐难芯款I(lǐng)域，他個(gè)人此前就有預(yù)感，“不是今年，就是明年，總之近兩三年內(nèi)，肯定會(huì)頒發(fā)相關(guān)獎(jiǎng)項(xiàng)?！?nbsp;

關(guān)于這一點(diǎn)，姚堯提到，諾貝爾獎(jiǎng)的頒發(fā)原則首先是獎(jiǎng)勵(lì)對(duì)人類作出重大貢獻(xiàn)的科學(xué)技術(shù)、發(fā)明或理論，而人工智能無疑符合這一標(biāo)準(zhǔn)，不僅是學(xué)界內(nèi)，甚至外界也有很多人預(yù)期到這一點(diǎn)。 

關(guān)鍵在于具體人選上，此次物理學(xué)獎(jiǎng)獲得者之一的約翰·霍普菲爾德（John Hopfield）具有堅(jiān)實(shí)的物理背景，并且其研究工作主要發(fā)表在物理期刊上，因此作為物理學(xué)界代表獲獎(jiǎng)，應(yīng)該不會(huì)引起太大爭(zhēng)議。 

另一位獲獎(jiǎng)?wù)呓芨ダ铩ば令D的情況則有些不同，因?yàn)樗麕缀鯖]有物理背景，專業(yè)是認(rèn)知心理學(xué)，其研究更多地是從神經(jīng)科學(xué)的角度出發(fā)，“盡管他的工作中也融入了一些與統(tǒng)計(jì)物理相關(guān)的思想，但這多少讓人感覺有些勉強(qiáng)?！币蚍Q。

不過，這種跨學(xué)科的頒獎(jiǎng)并不是首次，在過去也有類似情況。例如，去年諾貝爾物理學(xué)獎(jiǎng)指向的是阿秒激光技術(shù)，盡管該技術(shù)在生物學(xué)和化學(xué)領(lǐng)域應(yīng)用較多，但在原理上，它代表了光學(xué)領(lǐng)域的一項(xiàng)基礎(chǔ)性進(jìn)展，因此被授予獎(jiǎng)項(xiàng)。

此外，姚堯還提到，諾貝爾獎(jiǎng)更傾向于獎(jiǎng)勵(lì)先驅(qū)者，即那些對(duì)人類生產(chǎn)生活產(chǎn)生重要影響的發(fā)明創(chuàng)造背后的奠基者，這也是其一貫作風(fēng)——獎(jiǎng)勵(lì)原理性或奠基性的工作，而非單純的應(yīng)用層面。 

同樣，今年物理學(xué)獎(jiǎng)的授予者——約翰·霍普菲爾德在1982年創(chuàng)建了“霍普菲爾德網(wǎng)絡(luò)”（Hopfield Network），杰弗里·辛頓則以霍普菲爾德網(wǎng)絡(luò)為基礎(chǔ)，發(fā)明了玻爾茲曼機(jī)，從而幫助啟動(dòng)了機(jī)器學(xué)習(xí)當(dāng)前的爆炸式發(fā)展，即以人工神經(jīng)網(wǎng)絡(luò)為核心的深度學(xué)習(xí)革命。

約翰·霍普菲爾德（左）和杰弗里·辛頓（右） 圖片來源：諾貝爾獎(jiǎng)官網(wǎng)

 “獲獎(jiǎng)?wù)邆冊(cè)谏鲜兰o(jì)八十年代以來，進(jìn)行了早期的基礎(chǔ)性探索，盡管他們的原理在現(xiàn)今的應(yīng)用版本中已經(jīng)被迭代更新，但他們是最早提出這些概念的人，為連接主義和神經(jīng)網(wǎng)絡(luò)奠定了基礎(chǔ)?！币蚍Q。

在解釋物理學(xué)與AI更深層次的關(guān)系時(shí)，中科院物理所研究員劉淼對(duì)界面新聞稱，今年諾貝爾物理學(xué)獎(jiǎng)的核心是人工神經(jīng)網(wǎng)絡(luò)，其本質(zhì)是用計(jì)算機(jī)模擬生命體的神經(jīng)細(xì)胞接受信號(hào)、作出反饋的過程。它模擬的水平越高，就越能像人一樣思考和決策。

“相關(guān)理論早在上世紀(jì)40年代就被提出，但在當(dāng)時(shí)不被看好?！眲㈨捣Q，但隨著技術(shù)發(fā)展，人類的硬件水平、算力不斷提升，它逐漸變?yōu)楝F(xiàn)實(shí)。

盡管如此，被AI搶了風(fēng)頭的物理學(xué)獎(jiǎng)，也免不了受到爭(zhēng)議，輿論上的另一撥聲音不斷涌現(xiàn)，甚至有人戲謔，“和人工智能結(jié)合的物理并不是真正的物理！”、““AI拿了獎(jiǎng)，物理學(xué)不存在了”。

質(zhì)疑的聲音主要集中在“人工神經(jīng)網(wǎng)絡(luò)并非傳統(tǒng)意義上的‘物理’”。

物理學(xué)傳統(tǒng)的定義是研究物質(zhì)最一般的運(yùn)動(dòng)規(guī)律和物質(zhì)基本結(jié)構(gòu)的學(xué)科，往年的諾貝爾物理學(xué)獎(jiǎng)大都比較符合預(yù)期。在獎(jiǎng)項(xiàng)公布前，行業(yè)內(nèi)不少人覺得今年的物理學(xué)獎(jiǎng)應(yīng)該是自旋電子、反?；魻栃?yīng)、拓?fù)浣^緣體等當(dāng)中的一個(gè)。

“很意外，真的很意外！學(xué)物理和學(xué)計(jì)算機(jī)的人都給干沉默了?！币晃徽J(rèn)證為中國科學(xué)院大學(xué)工學(xué)博士的知乎用戶發(fā)文稱，“或許是物理學(xué)的概念也在與時(shí)俱進(jìn)的發(fā)生著變化，而我們對(duì)‘物理學(xué)’的理解過于狹隘和傳統(tǒng)?！?/p>

在北師大理論物理博士劉易安眼中，這既在意料之外，也在意料之中。

劉易安告訴界面新聞，諾貝爾物理學(xué)獎(jiǎng)一般只頒發(fā)那種創(chuàng)新性極高一些基礎(chǔ)物理的突破，還有一些已經(jīng)實(shí)際應(yīng)用的重大技術(shù)進(jìn)步。但很明顯AI目前應(yīng)用到物理學(xué)研究當(dāng)中，并沒有重大的基礎(chǔ)性的突破，一個(gè)很典型的特征是沒有AI促進(jìn)的新物理的發(fā)現(xiàn)。

“AI更屬于計(jì)算機(jī)算法領(lǐng)域，很難說是物理學(xué)上的學(xué)科，AI研究需要的物理知識(shí)并不多，這是意料之外的?！眲⒁装卜Q，意料之內(nèi)則是因?yàn)樽詮那靶┠隀C(jī)器學(xué)習(xí)在物理學(xué)中的應(yīng)用火了以后，已經(jīng)有了相當(dāng)多的論文出現(xiàn)。

相比AI在物理學(xué)獎(jiǎng)上的爭(zhēng)議，業(yè)內(nèi)對(duì)于AI在化學(xué)影響的認(rèn)同度則更高。

科普作家冷哲在一篇文章中聲稱：“如果機(jī)器學(xué)習(xí)在物理學(xué)層面屬于錦上添花的幫助的話，在生物領(lǐng)域，尤其是蛋白質(zhì)領(lǐng)域，這就是雪中送炭了，或者可以用顛覆性的成果來評(píng)價(jià)?！?/p>

“他們破解了蛋白質(zhì)奇妙結(jié)構(gòu)的密碼?！敝Z貝爾獎(jiǎng)?lì)C獎(jiǎng)詞寫道，蛋白質(zhì)是生命中巧妙的化學(xué)工具。大衛(wèi)·貝克（David Baker）制造出了全新種類的蛋白質(zhì)；戴米斯·哈薩比斯（Demis Hassabis）和約翰·喬普（John M.Jumper）開發(fā)了一個(gè)人工智能模型來預(yù)測(cè)蛋白質(zhì)的復(fù)雜結(jié)構(gòu)，而該問題已存在了50年。他們的發(fā)現(xiàn)潛力巨大。

大衛(wèi)·貝克（左）、戴米斯·哈薩比斯（中）、約翰·喬普（右） 圖片來源：諾貝爾獎(jiǎng)官網(wǎng)

“沒有蛋白質(zhì)，生命就無法存在。我們現(xiàn)在可以預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)并設(shè)計(jì)我們自己的蛋白質(zhì)，這給人類帶來了最大的好處?！比鸬浠始铱茖W(xué)院稱。

那么，蛋白質(zhì)設(shè)計(jì)和蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)有什么用？

冷哲解釋道，“之前我們對(duì)于蛋白質(zhì)的理解，都是說自然界里有什么性質(zhì)的蛋白質(zhì)，我們來找一找，找到以后來研究有什么用，然后看能不能進(jìn)行一下優(yōu)化。”

比如典型的例子就是PCR（聚合酶鏈反應(yīng)，一種常用的分子生物學(xué)技術(shù)）用的耐高溫的酶，首先是自然界里真的有這種酶，在被找到后進(jìn)行一些優(yōu)化，讓它變得更好用。

“之前我們對(duì)于蛋白質(zhì)工程的應(yīng)用，甚至夸張點(diǎn)，都是停留在原始社會(huì)階段，就像是在山里找個(gè)石頭很鋒利，可以拿來切割，也可以砍人，為了讓它更好用一點(diǎn)，就給它敲一敲打磨一下，算是二次加工了?！崩湔芊Q。

而有了蛋白質(zhì)設(shè)計(jì)工具以后，科學(xué)家可根據(jù)需求，通過AI來定制各種功能的蛋白質(zhì)，比如抗逆性+很強(qiáng)，又能耐高溫，又能耐低溫的酶。之前還是合成生物學(xué)，未來是設(shè)計(jì)生物學(xué)。

“雖然很多idea還很難實(shí)現(xiàn)，但這是0和1的區(qū)別。之前是不行，現(xiàn)在可以了?！崩湔芊Q。

由戴米斯·哈薩比斯和約翰·喬普設(shè)計(jì)出的名為AlphaFold2的AI模型，目前能夠預(yù)測(cè)研究人員已經(jīng)確定的幾乎所有兩億種蛋白質(zhì)的結(jié)構(gòu)。自2020年誕生以來，AlphaFold2已經(jīng)被來自190個(gè)國家的200多萬人使用。

受益于AlphaFold2，研究人員現(xiàn)在可以更好地了解抗生素耐藥性，并創(chuàng)建可以分解塑料的酶的圖像。

然而，也有人指出，當(dāng)前蛋白質(zhì)結(jié)構(gòu)以及AI制藥領(lǐng)域的基礎(chǔ)理論仍舊不完備，無法覆蓋實(shí)驗(yàn)結(jié)論。不過也有人寄希望于大模型在算力足夠的情況下，能夠直接總結(jié)規(guī)律合成新蛋白。

華南理工大學(xué)食品科學(xué)與工程學(xué)院陳文教授曾經(jīng)和今年化學(xué)獎(jiǎng)得主David Baker合作，他曾經(jīng)求學(xué)過的實(shí)驗(yàn)室主要研究膜蛋白工作，會(huì)給David Baker提供一些建議，并對(duì)他設(shè)計(jì)的新型蛋白進(jìn)行驗(yàn)證。

陳文也曾在Nature、Cell、Nature Protocols、Nature Communications、Angew Chem、JACS等高水平期刊發(fā)表論文，獲得過哈佛醫(yī)學(xué)院華人生命科學(xué)杰出科研獎(jiǎng)和中華海外磁共振協(xié)會(huì)年度科學(xué)家獎(jiǎng)。

在談及David Baker獲獎(jiǎng)時(shí)，陳文以“令人信服”作為回應(yīng)，“但物理獎(jiǎng)給人工神經(jīng)網(wǎng)絡(luò)，化學(xué)獎(jiǎng)給AlphaFold，這些都跟物理和化學(xué)沒有太大的關(guān)系?！?/p>

陳文告訴界面新聞，David Baker的想法比較超前，他設(shè)計(jì)蛋白質(zhì)，改變蛋白質(zhì)的特性，包括設(shè)計(jì)可溶性的生物膜蛋白?！八O(shè)計(jì)蛋白的成功率和精準(zhǔn)性逐年進(jìn)步，現(xiàn)在已經(jīng)能夠根據(jù)部分需要設(shè)計(jì)蛋白質(zhì)，也比較成功，只是廣泛的產(chǎn)業(yè)應(yīng)用還有待驗(yàn)證?！?/p>

作為行業(yè)人士，陳文教授也指出，當(dāng)前AlphaFold3的部分預(yù)測(cè)不準(zhǔn)確，并且預(yù)測(cè)蛋白與其他分子的相互作用比較有限。

“以前的科學(xué)研究范式很可能被AI打破”

AI在諾獎(jiǎng)的滲透，也預(yù)示著交叉學(xué)科時(shí)代正在到來。

今年9月，2000年圖靈獎(jiǎng)得主、中國科學(xué)院院士、清華大學(xué)教授姚期智在一場(chǎng)公開論壇上表示，AI最明顯的趨勢(shì)有兩個(gè)，一個(gè)是從弱智能走向通用智能。另一個(gè)是學(xué)科間的交叉賦能，使得本來就明顯學(xué)科交叉的工作，變得更加活躍和重要。

“必須承認(rèn)，在人工智能發(fā)展的早期階段，物理學(xué)家確實(shí)提供了獨(dú)特的研究思路，并作出了許多貢獻(xiàn)?！币蚪忉尩?，啟發(fā)式神經(jīng)網(wǎng)絡(luò)其實(shí)是沿著玻爾茲曼的統(tǒng)計(jì)物理思想一路發(fā)展起來的，它的發(fā)展已有近兩百年的歷史，是屬于傳統(tǒng)物理的研究?jī)?nèi)容，只是拓展到了新的研究?jī)?nèi)涵。

這顯然涉及的是一個(gè)交叉學(xué)科。人工智能領(lǐng)域融合了物理的思想，同時(shí)也包含了計(jì)算機(jī)科學(xué)、認(rèn)知心理學(xué)以及神經(jīng)科學(xué)等多方面的知識(shí)，是一個(gè)綜合性很強(qiáng)的領(lǐng)域，難以將其歸屬于單一學(xué)科。

物理、化學(xué)、生理學(xué)是諾貝爾獎(jiǎng)最初的三大領(lǐng)域，但如今學(xué)科界限與諾貝爾時(shí)代相比已大不相同。如今的科研工作者往往跨越多個(gè)學(xué)科領(lǐng)域進(jìn)行研究，物理學(xué)家也可能發(fā)表化學(xué)、材料科學(xué)、信息學(xué)乃至計(jì)算機(jī)科學(xué)的論文。

這種跨學(xué)科合作已成為常態(tài)。

即使是像計(jì)算物理這樣看似傳統(tǒng)的領(lǐng)域，也在與生物物理緊密結(jié)合。一些頂尖學(xué)府如麻省理工學(xué)院（MIT）或其他知名機(jī)構(gòu)，已經(jīng)開始將計(jì)算物理納入生物物理的專業(yè)范圍內(nèi)，反映出計(jì)算與復(fù)雜網(wǎng)絡(luò)理論的緊密聯(lián)系。

隨著AI在科學(xué)研究中的地位日益凸顯，學(xué)術(shù)界也開始重視AI教育，許多傳統(tǒng)物理專業(yè)的課程中開始大量引入人工智能相關(guān)內(nèi)容。這意味著新一代的科研人員將在教育階段就開始接觸并習(xí)慣使用AI的思維方式來探索自然規(guī)律。

由此可見，交叉學(xué)科研究已成為不可避免的趨勢(shì)，學(xué)科間的融合與調(diào)整是必然的發(fā)展方向。

“物理學(xué)這一基礎(chǔ)學(xué)科的邊界也在不斷拓展。”姚堯?qū)缑嫘侣劮Q。

他指出，近十七八年來，諾貝爾物理學(xué)獎(jiǎng)并非總是授予傳統(tǒng)物理學(xué)的成就。除了引力波這種毋庸置疑的重大突破外，多數(shù)獎(jiǎng)項(xiàng)頒發(fā)給了交叉學(xué)科的研究成果，例如氣象物理、阿秒激光等領(lǐng)域，甚至是量子糾纏，其中也包含大量信息學(xué)的內(nèi)容，而不完全是傳統(tǒng)物理學(xué)。

2021年，諾貝爾物理學(xué)獎(jiǎng)?lì)C發(fā)給了氣候變化領(lǐng)域的研究，這本身就是一個(gè)交叉學(xué)科?！皻夂蜃兓且粋€(gè)非常大的時(shí)代議題。2024年頒給AI，也是諾貝爾獎(jiǎng)順應(yīng)時(shí)代發(fā)展的潮流，即當(dāng)前人類發(fā)展面臨重大問題可能的解決辦法?！眲⒁装舱f。

同樣的趨勢(shì)也出現(xiàn)在化學(xué)獎(jiǎng)上，諾貝爾化學(xué)獎(jiǎng)很少再頒發(fā)給純粹的化學(xué)研究，往往是交叉學(xué)科的成果。這種現(xiàn)象反映了諾貝爾獎(jiǎng)的一個(gè)大趨勢(shì)，即關(guān)注各個(gè)學(xué)科之間的交叉研究，包括天文學(xué)、地球物理學(xué)、生物學(xué)以及信息學(xué)等領(lǐng)域。

從更宏觀的層面看，AI還將撬動(dòng)其他領(lǐng)域基礎(chǔ)科學(xué)研究進(jìn)程的研究范式，即AI for Science（AI4S），這背后存在一個(gè)巨大的可發(fā)展的創(chuàng)業(yè)體系和商業(yè)空間。 

AI4S是指利用人工智能技術(shù)來推動(dòng)和加速科學(xué)研究的新型研究范式。這種范式通過結(jié)合機(jī)器學(xué)習(xí)、數(shù)據(jù)分析、高性能計(jì)算等技術(shù)，幫助科學(xué)家在各個(gè)領(lǐng)域進(jìn)行更深入的探索和發(fā)現(xiàn)。

正如DeepMind和大衛(wèi)·貝克團(tuán)隊(duì)的研究成果，加速了該領(lǐng)域?qū)τ诘鞍踪|(zhì)結(jié)構(gòu)預(yù)測(cè)與設(shè)計(jì)的研究工作，這將直接推動(dòng)生物醫(yī)藥領(lǐng)域的研發(fā)進(jìn)程。 

在多個(gè)領(lǐng)域，人工智能的應(yīng)用正在開辟新天地，例如，促進(jìn)罕見疾病的發(fā)現(xiàn)或推動(dòng)更可持續(xù)材料的發(fā)展?？茖W(xué)家們正扮演著導(dǎo)師、同伴或助手的角色，利用人工智能應(yīng)用程序以以前無法達(dá)到的速度和規(guī)模執(zhí)行任務(wù)。

網(wǎng)易有道CEO周楓對(duì)界面新聞表示，2014年深度學(xué)習(xí)誕生以來AI給社會(huì)經(jīng)濟(jì)和科學(xué)研究帶來巨大進(jìn)步，已滲透到了各個(gè)學(xué)科，將來AI在很多方面都會(huì)超過人類，這會(huì)是歷史性的事件，帶來很多飛躍，也有很棘手的難題，所以也值得全球關(guān)注。

“AI對(duì)科學(xué)領(lǐng)域的影響力無疑是巨大的，它已經(jīng)從各個(gè)層面改變了科學(xué)研究的范式?！币?qū)缑嫘侣劮Q。

AI作為一種強(qiáng)大的工具被廣泛應(yīng)用于理論研究、實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)分析中，例如在材料科學(xué)、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、高能物理數(shù)據(jù)分析等方面，AI的應(yīng)用已經(jīng)成為不可或缺的一部分。

而AI更深層次的的影響，體現(xiàn)在研究方法和思維模式的變革上。

姚堯介紹，傳統(tǒng)的物理學(xué)科學(xué)研究方法通常是基于牛頓力學(xué)以來的分析方法，而現(xiàn)在，借助神經(jīng)網(wǎng)絡(luò)和復(fù)雜網(wǎng)絡(luò)理論，研究者們能夠以全新的視角來理解物質(zhì)世界的規(guī)律。

這種方法不再依賴于簡(jiǎn)化模型，而是將研究對(duì)象視為復(fù)雜的系統(tǒng)，利用人工智能的概念來探討系統(tǒng)內(nèi)部的連接、反饋機(jī)制等。

“基礎(chǔ)科學(xué)的研究已經(jīng)進(jìn)入新時(shí)代。”劉易安也認(rèn)同上述觀點(diǎn)，以前的研究范式很有可能會(huì)被AI所打破，至少在諾貝爾獎(jiǎng)委員會(huì)看來有這個(gè)大趨勢(shì)。

但他認(rèn)為，研究范式的改變并不會(huì)一蹴而就，目前AI并未走到改變研究范式的關(guān)鍵一步。在這方面，我們還有很長(zhǎng)的路要走。

“未來的科學(xué)新發(fā)現(xiàn)，一定是在人工智能的輔助之下。”畢業(yè)于北京大學(xué)數(shù)學(xué)系的明略科技CEO吳明輝告訴界面新聞，杰弗里·辛頓的工作跟物理學(xué)、腦科學(xué)之間有很大的關(guān)系；而alphafold則是直接利用AI解決學(xué)科問題，利用AI迭代工作，推動(dòng)學(xué)科進(jìn)步，這類情況后續(xù)應(yīng)該會(huì)大量出現(xiàn)。

他指出，杰弗里·辛頓 （Geoffrey Hinton）獲獎(jiǎng)是很偶然的情況，或者很多年才會(huì)出現(xiàn)一次。上一次還是赫伯特·A·西蒙，同時(shí)拿了圖靈獎(jiǎng)和諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)，他解決的是組織行為學(xué)和人類心理以及信息學(xué)之間的問題。

正如杰弗里·辛頓在接受諾貝爾獎(jiǎng)電視采訪時(shí)所說，他一直在研究大腦是如何工作的，只不過在此過程中幫助創(chuàng)造了一項(xiàng)有效的技術(shù)——AI。

未來，隨著科學(xué)的進(jìn)一步發(fā)展，我們或許會(huì)看到更多類似的“跨界”諾貝爾獎(jiǎng)?wù)Q生。