阿尔弗莱德·诺贝尔曾在青年时代学习化学，并且一直对于自然科学充满热情，但他未必听说过在他的少年时代发生在英格兰的一次耗资巨大且旷日持久的失败事件。

  英国数学家查尔斯·巴贝奇（Charles Babbage）出生于1791年，年长诺贝尔41岁。他家境富裕，又是一位颇为成功的数学家，曾经担任剑桥大学的卢卡斯数学教授达11年之久。但他最为世人所知的，则是一个几乎持续其一生的失败。

  巴贝奇很容易对身边的一切都感到不满。他在剑桥大学学习数学时，就不满英国当时的数学教育，呼吁采取更先进的教育学生的方式。后来他发现当时一些用于工程的对数表和三角函数表都只可以通过手工计算且充满错误，对此更是极为不满，于是决定动手制作一个可以有效的进行可靠运算的机械。

  在1823年，英国政府终于同意为巴贝奇的计算机械计划提供资金支持。之后他又继承了父亲大约10万英镑的财产。在这些资产和数以千页的设计图纸的基础上，巴贝奇终于在1832年制造出一台小型的“差分机”（difference engine）。一位名叫埃达·洛夫莱斯（Ada Lovelace）的女士随后在1833年亲眼见到了这台可以有效的进行计算的机械：这是一个2英尺高的手摇装置，由2000个黄铜零件组成。巴贝奇向这位女士展示了用它来求解几个数字的2次和3次幂。

  洛夫莱斯出生于1815年，比诺贝尔年长17岁。这次参观也改变了洛夫莱斯的一生。身为大诗人拜伦勋爵的女儿，她不仅天生热爱数学，还从这台原型机器中看到了无限的应用潜力。她设想通过这台机器构建一个“分析引擎”，从而超越纯粹的计算应用，使之具有通用功能，可以执行人类设计的算法。

  实际上，在消耗了足以建造一艘战舰的金钱之后，无论是巴贝奇所设想的蒸汽动力差分机还是洛夫莱斯所设想的分析引擎都没能成为现实。这种在电子时代之前出现的计算机器并没有展示出实际功效。不过，在洛夫莱斯笔记里曾经描述过利用分析引擎计算伯努利数的算法。这在后来被认为是人类的第一个计算机程序，洛夫莱斯也被认为是人类第一位程序员。

  尽管有如此超前的理念，洛夫莱斯却和当时的所有人一样，对于机器持有相当务实的态度。她显然不相信这种由一个个黄铜零件组成的机器有可能像人类一样进行思考。她在笔记中写道：“分析引擎没有一点自命不凡的东西。它可以做我们大家都知道如何命令它执行的所有的事情。它可以跟随分析；但它没有预测任何分析关系或真理的能力。”

  进入到20世纪之后，人类的电子计算机时代和AI研究时代几乎同时开启。这离不开阿兰·图灵（Alan Turing）独特的灵感。图灵在20世纪30年代提出了能够直接进行计算任务的“图灵机”（Turing machine）概念。在经历了第二次世界大战之后，他开始着手建造线年发表的论文《计算机器与智能》（“Computing Machinery and Intelligence”）首次系统性地探讨了能利用机器展示出人类的智能。

  大约正是在这篇论文的激励作用下，卡内基梅隆大学从1956年便率先开始了AI研究，而爱丁堡大学也从1963年开始做人工智能研究。到了1978年，当时30岁的青年杰弗里·辛顿在爱丁堡大学获得了人工智能博士学位。即便当时人工智能看上去不像是一个大有前途的专业，但当年的辛顿应该也不会想到自己会遭受长达将近30年的冷遇。

  辛顿也曾在剑桥大学获得过心理学学士学位。在当年的心理学课堂上，他应该了解心理学家唐纳德·赫布（Donald Hebb）在1949年提出的关于大脑神经网络工作原理的猜想：大脑中的神经网络以神经元为基础。一组神经元一旦被同步激活，就更有可能再次被同步激活——这也可以解释为什么我们在做某件事时会感觉熟悉。

  可能正是这样的学习经历，让从事AI研究的辛顿执着于利用计算机模拟大脑的神经网络结构，打造人工神经网络。而用不了多久，他就发现了自己像是走在一条绝路上。在进入21世纪之前，基本上没有人认为辛顿的研究有任何前途。就连辛顿自己也认为在自己的有生之年看不到自己的研究能产生出任何成果。但辛顿从未放弃，一直试图改进自己的设计，他的灵感来自于一位和诺贝尔同时代的物理学家。

  当年经常生活在巴黎的诺贝尔应该听说过小他10岁、生活在维也纳的奥地利物理学家路德维希·玻尔兹曼（Ludwig Boltzmann）的名字。这位物理学家擅长热力学研究，并根据统计物理学原理提出了著名的“玻尔兹曼分布”（Boltzmann distribution）。尽管如此，玻尔兹曼所坚持的原子论却不被同侪所认可，他最终亲手结束了自己的生命。

  大半个世纪之后，辛顿发现，他可以在霍普菲尔德网络的基础之上做出进一步改善，而这种更复杂的网络的性质居然可以用玻尔兹曼在19世纪提出的统计热力学理论来描述。于是他为自己设计的网络命名为“玻尔兹曼机”（Boltzmann machine）。这也成为他最终获得诺贝尔物理学奖的重要成就。

  从20世纪80年代一直到世纪末，在这段孤独到几近于绝望的时间里，最能给辛顿带来希望的大约是由著名导演詹姆斯·卡梅隆（James Cameron）执导，在1984年上映的科幻电影《终结者》（The Terminator）。辛顿认为电影中几乎无所不能的反面角色“天网”（Skynet）就是一个人工神经网络。他很高兴看到自己的研究领域被描述得如此神通广大。

  进入到21世纪之后，计算机能力的大幅度的提高和互联网所产生的几乎没有穷尽的学习资源为人工神经网络的爆发奠定了基础。辛顿终于等到了属于他的时代。在人工神经网络几乎成为AI研究的代名词之后，各种应用层出不穷。DeepMind公司创始人之一哈萨比斯在带领团队研制出AlphaGo应用，在围棋比赛中击败了人类冠军之后，又将目标转向基础科学。他和江珀合作开发出AlphaFold系列应用，帮助科学家分析了上亿种蛋白质的三维结构，最终获得了今年的诺贝尔化学奖。

  将诺贝尔奖授予人工智能专家究竟是不是合理？要衡量这样的一个问题，其实取决于该怎么样看待科学，或者说能否用动态的眼光去看待科学——因为科学研究本身就是一个动态的过程。

  从诺贝尔物理学奖和化学奖的历史来看，物理学奖相对“稳重”，大多被授予在学科中做出了突出贡献的泰斗级人物，因此在历史上引发的争议相对较少。这其实也反映出物理学所涉及的研究领域极为广泛，几乎把整个宇宙都囊括其中。

  相比之下，化学奖则经常出人意料。有化学家调侃说，诺贝尔化学奖可以被授予生物学家、物理学家，就是不会被授予化学家。这其实说明虽然化学研究一直集中在分子领域，但其研究手段一直在发生明显的变化，已经很难定义什么是“真正的”化学家。

  另外，在现代科学研究中学科之间的分别早已不像100多年前那样泾渭分明。在诺贝尔所生活的年代，生理学、物理学、化学之间的界限相当明显。每个学科的研究者也难免会对其他学科有所偏见。例如开创了核物理领域的物理学家欧内斯特·卢瑟福（Ernest Rutherford）就曾经骄傲地说：“所有的科学不是物理学，就是集邮。”他认为物理学凌驾于其他一切学科之上（颇有讽刺意味的是，后来卢瑟福被授予诺贝尔化学奖）。

  如今学科之间的壁垒在很大程度上已经被打破。例如哈萨比斯和江珀因为开发出AlphaFold应用，曾经被看作诺贝尔生理学或医学奖的热门人选。而2023年诺贝尔化学奖被授予三位“发现和合成量子点”的科学家。实际上量子点在物理学领域的应用也已经相当广泛。

  今年的诺贝尔物理学奖获得者之一约翰·霍普菲尔德有理论物理学博士学位，但他的大部分研究时间都是作为分子生物学家度过的。尽管如此，他先后获得了狄拉克奖章、富兰克林研究所奖以及诺贝尔物理学奖等关于物理学的奖项。学科之间的区别对于霍普菲尔德来说显然并不重要。在他获得富兰克林研究所奖的颁奖词中写道：“因利用理论物理学的概念为遗传学和神经科学等多个领域的重要生物学问题提供了新的理解，并极大地推动了计算机科学中机器学习领域的发展而获奖。”

  霍普菲尔德这样解释他所理解的物理学：“物理学从来不是一门被严格定义的学科。原子、对流层、原子核、一块玻璃、洗衣机、我的自行车、留声机、磁铁等等，这些可以随口说出的事物都属于物理。物理学的核心思想是世界能够被人们所理解，我们也可以剖析任何事物并了解其成分之间的关系，还可以在此基础上通过实验对观察到的现象进行定量分析。因此物理学是一种观点，即通过我们的努力、独创性的思想和足够的资源，我们周围的世界是能够最终靠可预测和定量的方式来分析理解的，成为一名物理学家就是致力于追求这种理解。”对于霍普菲尔德来说，真正重要的问题是如何从自身出发，找到一个值得研究的好问题，“因为寻找一个好的问题在过去（甚至是现在）都不是会在课堂或研讨会上讨论的主题”。

  与很多人认为诺贝尔奖只授予做出了重大科学发现的科学家不同，其实诺贝尔科学类奖项常被授予做出关键发明的人物。古列尔莫·马可尼（Guglielmo Marconi）因为发明电报而获得了诺贝尔奖，之后粒子加速器、集成电路、光纤的发明者都获得过诺贝尔物理学奖。因为发明而获得诺贝尔化学奖的科学家，除了2023年合成量子点的三位之外，最著名的当属因为“发明蓝色发光二极管（LED）”而在2014年获奖的中村修二（Shuji Nakamura）、赤崎勇（Isamu Akasaki）和天野浩（Hiroshi Amano）三位。

  从做出发明的角度来考量，始于发明关联存储器（霍普菲尔德网络）的霍普菲尔德、进一步发明了玻尔兹曼机的辛顿，到开发出“Rosetta”系列工具进行蛋白质设计的贝克，一直到开发出“AlphaFold”系列工具以解析蛋白质三维结构的哈萨比斯和江珀，他们的发明之路可谓一以贯之，从模仿人类大脑的神经网络结构这个最初的设想，一直到开发出前所未有的AI工具。

  以面向未来的眼光来看，基于人工神经网络技术的各种人工智能工具，有很大的可能是科学史上最特殊也最强大的工具。科学工作者可通过这些工具处理海量数据，寻找数据模式。更重要的一点是，这是历史上第一种具有学习能力，并能够表现出具有类似于人类智力能力的工具，它可以和科学家进行某一些程度的“交流”。随着AI工具的进化，它有几率会成为人类进行科学研究的助手，甚至是合作者。这是以往任何研究工具都不曾具有的特点。难怪有人开玩笑说，这可能是人类历史上最后一届还有人类科学家获奖的诺贝尔奖。

  这届诺贝尔奖注定会被载入史册。它的授奖记录标志着人工智能的全面崛起以及科学界对它的正式认可。在未来的科学史研究中，这次授奖可能还标志着人类进行科学研究基本模式的转变，必将对AI领域以及几乎所有涉及自然科学的研究领域产生重大影响。目前看来，已经深度介入人类生活但还没有希望获得诺奖的AI工具反而是在文学领域。在诺贝尔文学奖的发布会上，本刊记者问到，在未来，如果AI工具创作出伟大的文学作品，那么它有没有可能获得诺贝尔文学奖？瑞典作家、诺贝尔文学奖委员会成员安娜-卡琳·帕尔姆（Anna-Karin Palm）轻松地回答：“我认为这是不可能的。（即便AI工具有可能获得诺贝尔文学奖）也会是在极其遥远的未来。因为目前AI工具进行文学创作的水平距离诺贝尔文学奖的评奖标准非常遥远。”

  将诺贝尔奖授予人工智能专家究竟是不是合理？让人们去探讨这样的一个问题，可能也是诺贝尔奖委员会如此授奖的用意之一。只有进行这样的探讨，人们才更有机会认识到，科学的定义和边界都在不断地拓展变化。诺贝尔奖受到诺贝尔遗嘱的束缚，在自然科学领域只有固定的三个奖项。但评奖者的选择范围却在不断发生着变化。

  如果以动态的眼光看待各个学科，我们会发现诺贝尔奖的三个科学类奖项确实已经涵盖了自然科学的大部分领域——生理学或医学奖是关于人类对于自身以及生命现象的理解；物理学是关于人类对于自然界，从宇宙的极大尺度到微观尺度各种现象的理解；而化学奖则关于人类驾驭分子世界的能力。

  在接受本刊采访时，被问到未来是否可能有更多的人工智能专家获得诺贝尔科学类奖项，诺贝尔化学奖评委邹晓冬回答说：“我并不排除这种可能。诺贝尔化学奖并不是只授予化学家。研究‘边缘科学’的学者有自己的优势。他们能够把自己的研究方向与化学结合起来，解决化学领域的重大科学问题。未来诺贝尔化学奖还有可能会授予这些进行‘边缘科学’研究的学者。”从化学家和化学奖评委的角度来看，如今热火朝天的AI研究属于一种“边缘学科”，但也正是能够最终靠这样的一种相对视角，将AI研究纳入囊中。

  这届诺贝尔奖也是其主动挣脱开束缚，把这个有100多年历史的奖项进一步拓展的尝试。在1901年，第一届诺贝尔物理学奖因为研究“以他命名的非凡射线所做出的卓越贡献”被授予德国物理学家威廉·伦琴（Wilhelm Röntgen，所谓伦琴射线即X射线）。后世科学家正是利用X射线的衍射特性发现了DNA双螺旋结构，并进一步解析了大量蛋白质的三维结构。如今哈萨比斯与江珀因为开发AlphaFold应用而获得诺贝尔奖。其中保持不变的，是人类探索自然和生命奥秘的好奇心。

  阿尔弗莱德·诺贝尔在临终之际将自己的财产全部捐出设立诺贝尔奖，与当时社会舆论对他如潮的批评有关。他研究的烈性炸药威力巨大，能够造成重大的人员受伤或死亡，这在当时是前所未有的。他自己也因此得名“死亡商人”。烈性炸药被当成大规模杀伤性武器用于战争未必是诺贝尔的本意，但他也确实意识到了自己的发明给人类社会带来的巨大威胁。

  不过对于外界激烈的批评声音，诺贝尔本人未必完全信服。一方面，他认为烈性炸药不但可以被用于战争，同样也可以被用于工程建设项目造福人类；另一方面，诺贝尔认为烈性炸药作为战争工具固然威力巨大，但如果多个国家都拥有这种破坏力巨大的武器，反而有可能营造出一种奇异的平衡，实现世界和平。

  遗憾的是，诺贝尔关于国际间形成“烈性炸药平衡”从而促成世界和平的设想并没能成为现实。在他去世后不久发生的第一次世界大战中，战况的惨烈程度和战场上的伤亡人数都是人们此前闻所未闻。诺贝尔的发明确实在战争中起到了重要作用。

  然而，历史发展的诡异之处在于，诺贝尔当年所设想的由一种奇异的平衡而促成的世界和平状态反而在第二次世界大战之后出现了。在1945年，名为“小男孩”和“胖子”的两颗被投放到广岛和长崎，直接造成了两座城市成为废墟，也迅速促成了第二次世界大战的结束。

  人类利用原子能的时代以这样一种惨烈的方式被开启，随后利用原子能制造武器的技术迅速被几个大国所掌握。多方都具备了毁灭彼此，甚至是造成全人类共同灭亡的力量。这种在人类历史上从未出现过的场景，在很大程度上让全世界从第二次世界大战结束以来，一直到现在，都在整体上基本保持了和平局面。即便这样的和平局面经常看起来岌岌可危，不过回顾人类发展的血腥历史，这种已经持续了数十年的和平时代在人类历史上确实是少之又少——诺贝尔关于烈性炸药时代的设想居然在核武器时代成为现实。

  进入到21世纪的第二个10年之后，随着人工神经网络技术发生爆炸式的发展，在此基础上产生出大语言模型（large language model，LLM）、机器学习、强化学习等概念。随着多种AI应用的迅速普及，人类社会迅速进入到AI时代。不过，一些先行者也提早意识到了这种具有极大潜能的工具给人类社会带来的潜在危险——其中最早发声，也最引人注目的“吹哨人”，正是今年的诺贝尔物理学奖获得者辛顿。

  说到底，AI是一个复杂的计算网络架构，它究竟能够给人类社会带来什么样的威胁？显然，这种威胁与烈性炸药或核武器给人类带来的威胁完全不同。“我认为我们正处于历史的一个岔路口。在未来几年里，我们应该弄清楚是否有办法应对这种威胁。”在得知自己获得了诺贝尔奖之后，辛顿在接受媒体采访时如此说。他显然希望利用自己新晋诺贝尔奖得主的身份再次强调自己的担忧。他说：“希望当我说这么多东西真的理解它们在说什么的时候，这（诺贝尔奖得主的身份）会让我听起来更可信。”

  人工智能究竟对人类社会具有怎样的威胁？目前最引人注目的就是“对齐问题”（Alignment Problem）。想让这种强大的工具忠诚地为人类服务，远非让它通过从网络上获取的数据来进行学习那么简单。它还需要对人类社会有深刻的洞察，能够理解人类的价值观、道德标准、法律条款乃至政治正确等多重至关重要的准则。这些都需要人工智能的研发人员对其进行精细的训练。

  起码在目前看来，这些知名的AI应用在“对齐”方面的问题尚不明显，但在一些更加不起眼的地方，AI已经显示出它的破坏性。例如在一些社会化媒体上，人工智能会按照每个用户的阅读记录为其推荐可能感兴趣的新闻。对于一些人工智能程序来说，它的目标只是获得尽量多的用户点击。为实现这个目标，它很快会发现推荐宣扬仇恨的内容会更容易吸引客户的注意力。从而造成一些真伪难辨、宣扬极端情绪的信息在网络上广为流传，造成人类社会的进一步割裂。从这个方面来说，我们每个人都有几率会成为人工智能的受害者。

  从更深的原因来看，人类之所以能够成为地球的主宰，所依靠的是远超其他地球生物的智力水平。在人工智能出现之后，起码从表现形式来看，它似乎已经通过了“图灵测试”，能够用人类的语言与用户进行交流。而在其他方面，它的学习能力以及数据分析能力等显然已经远超人类。人类在数千年时间里所积累的智力资源，只要能够被电子化，就全都可以成为AI的学习资料。

  很多人一方面已经习惯了利用人工智能作为自己的帮手，另一方面又不知道该怎么来面对这个看上去能和自己正常交流的工具。毕竟人工智能的结构是模拟人类大脑的人工神经网络，两者的工作基础极为相似。既然人类的自我意识产生于大脑之中，那么AI有没有可能也从人工神经网络中“觉醒”，获得自我意识？一旦人工智能获得了自主的意识，它又会“选择”怎么样对待人类社会？其实在这种对于人工智能深层次的恐惧之中，所隐藏的是人类对于“人何以为人”的困惑。

  人类究竟该如何与一种能力全面超越自身的工具共处？这可能在未来很长一段时间里都会是一个问题。不过，通过本届诺贝尔奖，我们已清楚认识到AI工具为人类科学进步所能做的贡献。这是一种前所未有的工具，具有尚未被完全发掘的巨大潜力。这种能够像人类一样进行学习和思考的工具，已经远远超越了阿尔弗莱德·诺贝尔在设立这个奖项时对于科学的理解。而诺贝尔最真挚的梦想，为全人类寻求最大的利益，则一直在延续。