今年諾貝爾獎將人工智慧推向了世界科學的頂端，特別是在物理學和化學領域的雙重勝利，令人對AI的現狀及其未來潛力進行了熱烈的討論。這些獎項不僅突顯了AI在科學研究中的深遠影響，還引發了人們對諾貝爾獎領域的爭論。
今年的物理學獎頒給了兩位人工智慧的先驅，Geoffrey Hinton 和 John Hopfield，他們在神經網路和機器學習領域的研究為當今AI的繁榮奠定了基礎。這一決定卻並未得到所有科學家的認可，部分物理學家認為這些研究更應該屬於計算機科學領域，而不是物理學。支持者則強調這些工作跨越了物理學、數學和神經科學等多個學科，從而促進了整個科學的進步。
這些爭論凸顯了一個重要的問題：在當今跨學科合作日益頻繁的時代，傳統的學科分類是否仍然適用？AI本質上融合了數學、物理和計算機科學，這使得它不再僅僅屬於單一領域。因此對這些AI先驅的獎勵，不僅僅是對物理學的表彰，更是對跨學科合作價值的肯定。
除了物理學獎，化學獎同樣強調了AI在蛋白質折疊預測中的應用，特別是AlphaFold的突破性成果。這種基於AI的工具徹底改變了蛋白質結構預測的方式，加速了生物學研究的進展。
Geoffrey Hinton對於AI的未來充滿了警惕，並且公開表達了他對超智能AI可能帶來的風險的擔憂。他擔心AI的發展可能會導致人類失去對技術的控制，甚至引發全球性的災難。與此形成鮮明對比的是，AlphaFold的創始人之一，Demis Hassabis，則對AI的未來抱持著相對樂觀的態度，認為這項技術可以為人類帶來前所未有的進步。
此次頒獎事件也引發了人們對諾貝爾獎機制的重新思考，儘管諾貝爾獎仍然是科學界最具影響力的榮譽之一，但其頒獎範疇和評選機制是否仍然適應當代科學的需求，值得深思。隨著科學研究越來越依賴跨學科的合作，傳統的物理、化學、生理或醫學等分類顯得過於狹隘，無法涵蓋如今快速發展的科學領域。
此外諾貝爾獎的評選規則至今仍然限制每個獎項最多只能有三位獲獎者，這與現代科學中普遍存在的團隊合作模式形成了明顯的矛盾。大科學項目，例如粒子物理學的研究，往往涉及數百甚至數千位科學家。這樣的團隊合作如何融入到個人榮譽的頒獎體系中，是未來需要解決的問題之一。
值得注意的是，儘管AI在物理和化學領域的獲獎引發了熱烈討論，這些獎項卻不是對未來科幻式的AI願景的預測。相反地，這些獎項更多地反映了AI在當前世界中已經產生的實際影響。諾貝爾委員會強調的是AI作為研究工具的技術性，而非描繪一個充滿自動化和完美社會的未來。
這樣的實用主義態度，無疑是對當前AI應用的現實性和重要性的肯定。AI技術已經融入到各種科研工作中，成為科學家們解決複雜問題的重要工具。無論是用於蛋白質折疊預測，還是用於探索物理學中的模式識別，AI的應用正在推動各個領域的發展。此次諾貝爾獎的頒發，則進一步鞏固了AI在當代科學中的地位。
＊台北商業大學前校長/叡揚資訊顧問
