近日，诺贝尔奖的公布让AI成为了最大的赢家。10月8日，瑞典皇家科学院宣布，将2024年诺贝尔物理学奖授予约翰·霍普菲尔德和杰弗里·辛顿，表彰他们利用物理学工具开发出机器学习技术的基础方法。
紧接着，诺贝尔化学奖也揭晓，大卫·贝克、戴米斯·哈萨比斯和约翰·江珀因利用AI在蛋白质设计和蛋白质结构预测领域的贡献而获奖。简单来说，诺奖评委们把物理学奖颁给了机器学习，化学奖则颁给了AI预测蛋白质结构和设计。
霍普菲尔德在1982年创造的联想神经网络，即霍普菲尔德网络，能够存储并重现图像和其他数据模式的关联记忆技术。这一技术解决了人是如何进行联想记忆的问题。而辛顿则开发了玻尔兹曼机，这是一种新的神经网络，用于研究神经元之间相互作用的关系，推动了机器学习的快速发展。
在化学奖方面，大卫·贝克率先开发了设计和预测蛋白质三维结构的方法，创造出了全新的蛋白质，解决医学难题。戴米斯·哈萨比斯和约翰·江珀则创造了AI蛋白质结构分析工具AlphaFold，将蛋白质预测带入了一个新纪元。AlphaFold通过深度学习模型快速且准确地预测蛋白质结构，大大提高了蛋白质研究的效率。
AI之所以能在诺贝尔奖舞台上大放异彩，是因为其学习效率远超人类。辛顿近年来发现，AI在知识传播效率、学习机制、能源效率方面都具有显著优势。例如，一个AI智能体掌握的知识可以迅速传播给所有AI智能体，而人类的学习过程则相对漫长且效率较低。尽管AI的连接数量远低于人类大脑，但AI却能以更少的连接记住并思考人类所有的知识和文明。
随着AI学习能力的不断增强，知识正在迅速贬值。有预测认为，未来几乎所有的专业知识都将被AI免费化。这一趋势可能导致传统以知识传递为核心的人力资本投资回报降低，而跨学科知识的重要性将进一步提升。未来，掌握人工智能工具的人可能会比拒绝人工智能的人更有效地工作，甚至有望在各个领域争夺诺贝尔奖。
