本週，諾貝爾化學獎和物理學獎授予了谷歌旗下的少數人工智慧先驅，引發了有關該公司研究主導地位以及如何認可電腦科學突破的爭論。
谷歌一直處於人工智慧研究的前沿，但在應對微軟支援的OpenAI競爭壓力時，它被迫採取守勢，同時面臨美國司法部日益嚴格的監管審查。
週三，谷歌人工智慧部門 DeepMind 聯合創始人德米斯·哈薩比斯和同事約翰·江珀與美國生物化學家大衛·貝克因破譯微觀蛋白質結構的工作而共同獲得諾貝爾化學獎。
與此同時，前谷歌研究員傑弗裡·辛頓 (Geoffrey Hinton)於週二與美國科學家約翰·霍普菲爾德 (John Hopfield) 共同獲得諾貝爾物理學獎，以表彰他在機器學習領域的早期發現，為人工智慧的熱潮鋪平了道路。
電腦科學家、聯合國人工智慧顧問溫迪·霍爾教授告訴路透社，雖然獲獎者的工作值得認可，但由於沒有諾貝爾數學獎或電腦科學獎，因此將物理獎頒發給計算機成就存在偏差。
諾貝爾獎委員會不想錯過人工智慧方面的研究，所以他們讓傑弗裡 辛頓走上物理學之路，這很有創意，這兩位科學家都值得懷疑，但就他們所做的科學研究而言，他們仍然值得獲得諾貝爾獎。
《演算法如何創造和防止假新聞》一書的作者諾亞·吉安西拉庫薩也認為辛頓的獲勝值得懷疑：即使從物理學中得到靈感，他們也沒有發展出新的物理學理論或解決物理學中長期存在的問題。
諾貝爾獎的獎項設定了醫學或生理學獎、物理學獎、化學獎、文學獎和和平獎，這些獎項的頒發物件都是瑞典發明家阿爾弗雷德·諾貝爾（Alfred Nobel），他於 1895 年去世，在他的遺囑中規定了獲獎者的名字。經濟學獎是後來於 1968 年由瑞典中央銀行捐贈設立的。
主導地位
美國監管機構目前正在考慮對谷歌進行分拆，這可能迫使其剝離部分業務，例如 Chrome 瀏覽器和 Android 作業系統，一些人認為這些業務讓谷歌得以在線上搜尋領域保持非法壟斷地位。
領先地位所帶來的利潤使得谷歌和其他大型科技公司在發表突破性的人工智慧研究方面超越了傳統學術界。
辛頓本人也對他一生的工作表達了一些遺憾，他去年辭去了谷歌的職務，以便可以自由地談論人工智慧的危險，並警告說計算機可能比之前預期的要快得多地變得比人類更聰明。
他在週二的新聞釋出會上表示：“我希望我能有一個簡單的辦法，如果你這樣做，一切都會好起來，但我不知道，特別是考慮到這些事情失控和接管的生存威脅。”
2023 年，由於對人工智慧的擔憂，他辭去了谷歌的職務。辛頓表示，谷歌本身的行為非常負責任。
對於某些人來說，本週的諾貝爾獎獲獎者突顯了傳統學術界的競爭難度。
吉安西拉庫薩告訴路透社，需要加大對研究的公共投資：很多大型科技公司並沒有著眼於下一個深度學習突破，而是透過推廣聊天機器人或在網際網路上投放廣告來賺錢，雖然有一些創新，但其中很多都非常不科學。
網友八卦：
谷歌人工智慧在第二代浪潮中曾佔據主導地位，以圖形影像為媒介的視覺模型中是霸主，但是他們忽視了自家transformer架構的深入研究，在這裡，辛頓作為當時先驅者和領導者，負有不可推卸的戰略方向決策錯誤，這使得openai在transformer架構上深挖出以語言為媒介的大語言模型，從此告別了視覺遊戲模型，進入數學理性世界，邁向了通用人工智慧。
當然辛頓弟子伊利亞在openai任首席科學家，他相當於在谷歌和openai兩邊押注，獲得諾貝爾獎以後更是力挺自己的學生，抨擊奧特曼掉入錢眼子裡了，這位今年年初openai的宮斗大戲新增更加精彩的旁註。
真正全球人工智慧真正進入全面大發展只有transformer論文出來以後，但是今年諾貝獎卻沒有頒給論文作者。諾貝爾獎想跟上科學認知時代浪潮，結果還是趕上了晚集，它的諾貝爾物理獎和化學獎都是頒給了上一代人工智慧。
計算機領域不像傳統物理化學那樣講究傳承，而是否定升級，現在大語言模型代表的人工智慧完全不同於視覺影像模型，雖然名字都是生成式，其實語言是命令輸入式，圖形才是生成式，語言是智慧的唯一媒介，當原始人從牆壁上的圖形到象形文字發展時，文明才真正誕生，這些都是辛頓之類上代人工智慧專家無法意識到的。
吳恩達將自己老師引入谷歌
吳恩達（Andrew Ng）是人工智慧領域的傑出學者，他在機器學習和人工智慧領域有著重要的成就。吳恩達曾在史丹佛大學擔任教授，並在2011年與谷歌的工程師合作建立了“谷歌大腦”（Google Brain）專案，該專案利用谷歌的分散式計算框架來訓練大規模的人工神經網路。這個專案的一個重要成果是開發了一個能夠在無監督學習的情況下識別貓的10億引數神經網路，這個成果在當時是開創性的。
但是由於當時沒有足夠重視transformer架構，因此他們發現當時深度學習的演算法限制了硬體擴充套件，由於RNN之類迴圈順序計算特定，導致新增更多硬體資源也無法提高計算速度與效能，而真正人工智慧智慧只有等到一定計算規模以後才湧現一點點智慧。
吳恩達與辛頓有著師生關係，人工智慧教父也是吳恩達首次冠以自己老師的尊稱。因為他的學生時代受到了辛頓的教導和影響，由此，吳恩達介紹自己恩師進入谷歌，等於告訴谷歌：我老師請來了，世界上最高水平請來了，對得起你谷歌的，而自己則跳槽到百度，複製了他谷歌的經驗，可能對百度的智慧自動駕駛起到一定基礎開門作用，但是在自己忙碌撈金的同時，OpenAI的ChatGPT爆發了，吳恩達由此擔任起人工智慧佈道教學任務，深層次可能因為他擔心自己那套以影像為基礎的模型被以語言文字為基礎的大模型淘汰，希望給後來人的洗腦。
其實電腦科學的傳承真的不像傳統科學，傳統科學論文總是可以找到它的上篇引用，並且以此為依據判斷其科學水平，而在認知科學中，上篇引用可能很少，都是跳躍式發展，因為現在的科學是以人類自身為認知為研究物件，不再像過去牛頓和愛因斯坦以自然宇宙為研究物件了，這些物件導向的改變，很少人適應得過來，包括諾貝爾獎稽核專家。
李飛飛的ImageNet
李飛飛主要以其在計算機視覺領域的工作而聞名，尤其是她建立的ImageNet專案。ImageNet是一個包含了上千萬張標註圖片的大型資料集，它為深度學習演算法提供了豐富的訓練資料。
- 2012年，辛頓的學生亞歷克斯·克里茲夫斯基（Alex Krizhevsky）使用卷積神經網路（CNN）模型AlexNet，贏得了ImageNet影像分類競賽。
- 2012年，克里茲夫斯基和他的導師傑弗裡·辛頓以及Ilya Sutskever共同創立了DNNresearch公司，專注於深度學習研究。DNNresearch的成立旨在推動深度學習的發展。
- 2013年，谷歌收購了DNNresearch，克里茲夫斯基因此加入了谷歌，並在Google Brain谷歌大腦團隊工作。他的工作主要涉及深度學習的研究和應用，特別是在計算機視覺領域。
回到李飛飛，最近，李飛飛創立了一家專注於空間智慧的AI公司World Labs，該公司在短時間內迅速成長為獨角獸公司，估值超過10億美元。World Labs致力於發展AI的空間智慧，以解決AI在三維空間感知和理解方面的難題。
但是，有些人認為李飛飛“其實不懂大語言模型”，認為吳恩達 、李飛飛這些人的公開言語充滿傲慢和偏見，也許是他們自己的認知困境造成而不自知而已。
谷歌AlphaFold與顏寧的蛋白質
這次諾貝爾化學獎得主兩個來自谷歌的AlphaFold團隊，他們用人工智慧自動生成了蛋白質模型，而在這之前是依靠一個個科學工作者的辛苦手工作業。
顏寧的研究主要集中在膜蛋白的結構與功能：她的研究方法包括使用X射線晶體學和冷凍電鏡等實驗技術，解析蛋白質的三維結構，揭示其功能原理。
AlphaGo的開發公司DeepMind後來開發了AlphaFold，這是一款基於深度學習的AI工具，用於預測蛋白質的三維結構。蛋白質結構預測一直是生物學領域的難題，傳統方法依賴於耗時且昂貴的實驗資料，而AlphaFold透過深度學習模型能夠在短時間內預測出高精度的蛋白質結構。2020年，AlphaFold在蛋白質結構預測的關鍵挑戰中取得了顯著成果，為蛋白質研究帶來了革命性變化。
在顏寧的研究領域，AI工具（如AlphaFold）也被廣泛應用於預測膜蛋白的結構和動力學行為。膜蛋白由於其複雜性，一直是結構生物學中的難點，AI演算法在快速解析其結構方面展現了巨大潛力，幫助科學家更好地理解這些蛋白質的功能。
顏寧在美國普林斯頓大學擔任教授期間，當時已經是國際上非常有影響力的科學家，然而，她選擇回國主要是因為愛國。