前兩天我在臉書發表「當人造虛擬進入了物理真實」(https://blog.udn.com/dawweiwang/181148841)的文章，指出這次2024的諾貝爾物理獎的決定在科學史上有非常特別的意義，可以說正式將「AI虛擬」納入「物理真實」的範疇。許多人聽不太懂，甚至還有質疑我不了解類神經網路或物理定律... (其實我只是不想多講網路上隨手可以查得到的科普資料而已)。

化學獎頒給電腦科學家哈薩比斯（Demis Hassabis）和瓊珀（John M. Jumper），是因為他們領導所開發出的AlphaFold是AI在生物或化學領域至今最偉大的工作，將蛋白質折疊的困難問題有全新且有效的處理，加速許多新藥的開發，甚至預測新的折疊方式與功能。(這部分的科普我也就不多說了，大家都可以查得到)。

其實這個化學獎其實並不意外，因為蛋白質折疊是屬於化學或生化領域重要的基本問題：幾乎所有的生物現象都牽涉到各種蛋白質的功能。不管用人腦、用實驗、用計算機還是用AI，能夠大幅簡化解析蛋白質結構流程、提升預測其功能的方式，都是非常重要貢獻。所以就算得獎的人不是化學家也沒有關係。這就像英國的邱吉爾首相也因為其《第二次世界大戰回憶錄》得到1945年諾貝爾文學獎(不是和平獎)，物理的Walter Kohn因為發明Density Function Theory協助化學家處理分子的鍵結性質而得到2000年的化學獎。

也就是說，重點不是得獎人的背景，重點是其重要貢獻的領域是否是屬於該獎項的領域。

從這個標準來看今年物理獎，就非常特別。因為不管AI的基礎，類神經網路(Artificial Neural Networks, 重點不是類似人類神經，而是人造神經)，是有多少啟蒙於物理的模型，但是物理學家都會同意目前AI對於基礎物理的貢獻，至少在目前，還沒有那麼巨大到需要給這個獎。這也是為何Hopefield與Hinton是因為其早期的開創性研究而得獎，不是因為他們貢獻了多少重要的物理研究發現。因此，物理學家其實「沒有必要」把AI的發明列為物理獎的範圍，何況總是有許多重要的物理研究在後面排隊等著領獎(天文、粒子物理、光學、凝聚態、量子電腦等等)。我再三強調，這樣的決定完全是沒有必要的，與AlphaFold在化學領域的影響完全不同。(如果今天是有人使用AI解決暗物質的奧秘，發現新的基本粒子，發現室溫超導體，或是解決量子重力問題，那我們當然可以頒給他物理獎，因為是在物理領域的突破性發現。)

但是畢竟所有人都知道AI近年的發展，在教育、資訊、產業、醫療、商業或經濟領域的影響更大，對社交、隱私、或法律領域又是極具威脅性。這都是因為AI本身所創造的虛擬思維，一種類似於人類的思考能力又強過人類的訊息處理能力。只是這些領域並不是基礎科學的範圍，而資工領域的Turing Award早己頒給Hinton等人表彰他們在AI的貢獻。所以幾乎對所有的學者都會認為，機器學習或AI技術，本來就不是屬於物理領域，而是一種資訊技術，在各種領域被使用而已。

經由這樣類比我們就會知道，雖然每個領域未來都可能有AI參與的重要貢獻而得到諾貝爾獎，但是至少目前，2024年的諾貝爾獎，是頒給Hopfield與Hinton兩人起初的原創觀念。但是也就間接承認目前整個AI的影響(包括其影響最大的模擬人性或思維的功能)，是屬於「物理」領域。畢竟，如果這些都不是物理領域，那怕再有貢獻也輪不到物理人來頒物理獎給他。

因此，重點不是Hopfield或Hinton是不是物理學家，重點在於他們的貢獻Artificial Neural Networks與其重要的影響範圍，是不是屬於物理領域。這一點而言，物理諾貝爾獎委員會的委員顯然決定往外踏出一步，把傳統的「物理真實」擴展，包容了「人造虛擬」，才能讓這個獎項成為有意義。當然，這不代表以後不會還有AI應用發現重要的物理知識(雖然我很懷疑)而再得物理獎。

這也是為何我再三強調，今年2024的物理獎是歷史性的重要決定，其哲學或價值觀的判斷，與化學獎或以後許多因為AI發展而有突破領域也完全不同，幾乎是打破物理與虛擬的界線，重新定義「物理」的範圍。

當然，這樣的決定是否能得到更多物理人的支持，那就見仁見智。但容我再三強調，這是科學史上非常特別的決定，有重要與指標性的意義。

補充資料：「當人造虛擬進入了物理真實」(https://blog.udn.com/dawweiwang/181148841)