人工智能正迅速走向超人智力阶段。尝试过 OpenAI-o1 的就知道它确实达到了博士水平 --- 用复杂的物理数学问题检测发现，它不仅是掌握了相关知识，还能够探索式思考。复杂的数学计算对AI来说，毫无畏惧，再加上超强的物理思维能力,AI 让人一次次震惊---而这仅仅是开始。这样下去，不久的将来人类的一流科学家在 A I 面前可能如同人类围棋最高手面对 AlphaGo。2024年诺贝尔物理学奖颁发给了 John J. Hopfield 与 Geoffrey E. Hinton，表彰二人在1980年代对人工神经网络与机器学习的奠基性贡献，凸显 AI 时代已经来临。

John Hopfield 是一名研究领域很宽的理论物理学家，早期的工作是在凝聚态物理方面，后又在生物化学领域耕耘。1982年，Hopfield 发表题为 "Neural networks and physical systems with emergent collective computational abilities"（"具有涌现集体计算能力的神经网络和物理系统")的论文。这篇论文提出了一个不同于 perceptron 的神经网络模型，各神经元互相连接(作用），非同时更新，能够学习并模拟计算。这个模型基于系统局部能量最低点，可以说是零温度模型。

Geoffrey E. Hinton 可能人们更加熟悉，他是人工智能领域的奠基者，机器学习中无所不在的 backpropagation 算法是他（重新）发现的。Hinton 获得诺贝尔物理学奖的基于他在 1983-85年发表了一系列研究，其奠基性论文是 “A Learning Algorithm for Boltzmann Machines” （1985）。与合作者一起，他将 Hopfield 模型进行了发展，提出了 Boltzmann machine (波尔茨曼机器）。对 Boltzmann 不熟悉的可以查阅统计物理相关资料。顾名思义，Hinton  在模型中引入了温度，这使模型可以跳出局部能量最低值，寻找全局最低值。自然界似乎遵循解析延宕（analytical continuation), 统计系统温度的倒数对应于量子路径的时间 (1/T --> i t)。在机器学习中引入温度概念可能是突破性与决定性的。码农们只知道 Transformer 运用中有时要调节温度，现在应该知道温度从何而来了 （当然，Transformer 模型训练中，温度并非跳出局部极值的机制，而是使用随机 dropout 等方法）。Hinton  后来在机器学习领域持续耕耘，其后续贡献诺贝尔委员会做了更多的介绍。机器学习的方法被运用于物理、化学等领域，解决了很多以前人们认为 intractable 的计算问题，如蛋白质折叠。

2024年诺贝尔化学奖颁给了在生物分子设计（包括蛋白质）上取得奠基性成就的 David Baker, 以及谷歌 AlphaFold 的开发者 Demis Hassabis 与 John M. Jumper。当年 AlphaGo 战胜人类最高围棋高手之后，开源了相关算法与代码，市场上于是涌现了不少高水平AI围棋。但围棋只是一个试验，谷歌开发者们接下来攻克的是蛋白质折叠的问题。蛋白质的功能与其空间构型密切相关。蛋白质折叠的问题就是给一段氨基酸序列，请问其蛋白质叠成什么三维形状。与围棋一样，蛋白质折叠也曾被认为是 intractable 的计算问题 --- 你知道基本原理，但是需要的算力远远超出了想象。蛋白质内原子作用无非是电子的薛定谔量子方程，基本原理约100年前就知道了，但计算量超出想象，以前只能用实验方法去测定其三维构型。而实验测定一个蛋白质的结构需要大量的人力物力时间，复杂的仪器与专家级专业人员。现在AlphaFold 使用机器学习+量子力学瞬间就能给出答案。这也导致不少“结构生物学”（Structural biology) 研究者们不得不另寻出路。有了 AlphaFold 以及其开放的源码，David Baker的生物分子设计程序更是如虎添翼，设计各种生物分子变成了简单的鼠标点击，俨然扮演起了“造物主”的角色。

总的来说，AI 使人类文明进入了一个新的进化阶段。未来人类的生存与发展--包括外星探索--取决于AI。如果人类与外星文明接触，首先接触的对象也应该是外星的AI。。。那些质疑为什么2024年诺贝尔物理、化学奖颁发给AI研究的人们可能还没有意识到这一点。数年后，诺奖颁发给机器人也有可能。

参考：https://www.nobelprize.org/