2024年,人工智能的发展势头异常迅猛。
这一年,GPT-4o、Sora、o1以及最近的DeepSeek V3等广为大众所知的重大突破相继发布,每一次都引发了广泛的讨论热潮,也让Sam Altman、黄仁勋、马斯克等业界领袖频频登上媒体热搜榜。
但在科研领域,还有一群鲜为大众所知、但在业内享有极高赞誉,却一直默默耕耘为AI进步贡献力量的科学家,同样值得铭记。很多科学家并非直接来自AI领域,而是身处不同学科理论的最前沿,但有的在利用AI推动其他基础学科的突破,也有的则通过其他学科的理论研究,推动着AI的进步。
每年,科学界都会发布面向各个领域的榜单和奖项,表彰那些为人类科技进步做出卓越贡献的科学家。曾经,科学界与AI还是两个不同的领域,随着越来越多与AI密切相关的科学成果产出,如今这个边界已经愈发模糊。
这些领域的科学家,都与AI的进步密切相关
Research 2024年度最佳计算机科学家:约书亚·本吉奥和汤晓鸥
知名全球学术信息网站 Research(Guide2Research)每年发布的全球顶尖1000名计算机科学家排行,在全球学术界具有极高的权威性与影响力。
在2024年4月公布的Research 2024年度最佳计算机科学家榜单中,图灵奖得主、“AI教父”约书亚·本吉奥(Yoshua Bengio)以D-Index 208位列全球第一,已故的香港中文大学汤晓鸥教授以D-Index 140位列中国第一。
约书亚·本吉奥被誉为“AI教父”, 在2018年获得ACM图灵奖,2024年入选《时代》杂志全球100位最具影响力人物年度榜单。他提出的循环神经网络(RNN)、长短时记忆网络(LSTM),以及伊恩·古德费洛(Ian Goodfellow)一起提出了“生成对抗性网络”(GAN),都成为深度学习领域的关键突破,对人工智能的发展产生了深远的影响。
汤晓鸥教授是全球人工智能领域最具影响力的科学家之一,也是国内人工智能公司商汤科技的创始人。他在计算机视觉、深度学习等研究方向取得了多项开创性成果,曾获得计算机视觉顶级会议CVPR 2009“最佳论文奖”,是CVPR自1983年举办以来的首位亚洲学者。2014年提出的全球首个超过人眼能力的面部识别算法,开启了人工智能技术大规模落地的时代。
ACM图灵奖:艾维·维格森
ACM图灵奖被誉为“计算机界的诺贝尔奖”,是计算机领域最具权威性和影响力的奖项之一,旨在表彰在计算机科学与技术领域做出重大贡献的个人。
2024年图灵奖由复杂性理论先驱、普林斯顿高等研究院教授艾维·维格森(Avi Wigderson)摘得。美国计算机协会(ACM)以此次奖项,表彰艾维·维格森对计算理论的基础性贡献,包括重塑人类对计算中随机性作用的理解,以及数十年来在理论计算机科学领域的领导地位。艾维·维格森教授在利用随机噪声增强模型泛化和减少计算资源需求方面的研究,也为深度学习提供了优化新思路。
诺贝尔物理奖和化学奖:杰弗里·辛顿、大卫·贝克等
诺贝尔物理学奖和诺贝尔化学奖,旨在奖励对人类物理和化学领域作出最重要发现或发明的科学家。2024年诺贝尔物理和化学奖都不约而同地“颁给了AI”,意味着AI 技术与传统学科的结合正成为一种新的科研趋势。
2024年诺贝尔物理学奖授予了约翰·霍普菲尔德(John Hopfield)和杰弗里·辛顿(Geoffrey Hinton),表彰他们在使用人工神经网络进行机器学习的基础性发现和发明。两位获奖者利用物理学工具构建了多种方法,为机器学习奠定了基础,不仅打破了传统学科的界限,也揭示了物理学与人工智能之间的深刻联系。
2024年诺贝尔化学奖一半被授予华盛顿大学教授大卫·贝克(David Baker),表彰其在计算蛋白质设计方面的贡献;另一半授予了谷歌DeepMind CEO 戴密斯·哈萨比斯(Demis Hassabis)和高级研究员约翰·江珀(John M. Jumper),表彰其在蛋白质结构预测方面的贡献。德米斯·哈萨比斯和约翰·詹珀成功地利用人工智能技术预测了几乎所有已知蛋白质的结构,而大卫·贝克掌握了生命的构建模块,并创造了全新的蛋白质。
顶科协奖“智能科学或数学奖”:乔恩·克莱因伯格
世界顶尖科学家协会奖(简称“顶科协奖”)是由世界顶尖科学家协会于2021年在上海发起创设,设立“智能科学或数学奖”“生命科学或医学奖”两个单项奖。
2024顶科协奖“智能科学或数学奖”授予给了康奈尔大学计算机科学和信息科学讲席教授乔恩·克莱因伯格(Jon Kleinberg),以表彰他在计算机科学与社会科学交叉领域做出的开创性贡献,包括他在社会网络和算法公平性领域发挥的智识领导力,对人工智能的发展具有重要意义。乔恩·克莱因伯格教授本人也是机器学习领域的领袖,尤其是在研究机器学习如何与人类决策交互方面,均有突出贡献。
AI 跨界的背后,代表着科学研究范式的转换
科学界的众多奖项成果和榜单评选,都与AI技术紧密相连,说明AI已经成为推动科学发现和创新的核心驱动力之一。而奖项跨界的背后,代表的是科学研究范式转换。
一方面,是将AI技术作为工具推动行业的进步。AI for Science是最具代表性的领域之一,未来,各学科的科学家都可以借助AI的数据处理能力、数理分析、逻辑推理和预测等能力,更快地筛选数据、发现规律,甚至在某些领域能够提出新的科学假设,极大加速科学研究的进程。
另一方面,是将AI技术本身作为学科研究的目标。今年诺贝尔物理学奖,相当于将人工智能作为目的、作为一门科学,用物理学的知识深入探索神经网络的本质和机制,由此推进人工智能的发展。这种将AI作为研究目标的做法,不仅能够拓宽科学研究的视野,也为人工智能技术的未来走向提供了更多的可能性。
这说明,AI已经不再是单一领域的技术工具,而是成为了连接各类学科的桥梁。甚至通过AI技术,不同学科之间的界限被打破,新的思想、新的方法和新的技术不断涌现,为人类科学的探索和技术的创新,激发无限的潜力和想象空间。
正如2024年阿贝尔奖得主米歇尔·塔拉格兰德(Michel Talagrand)向年轻数学家分享的建议——未来对数学的需求是无限的,人工智能会给你们所有人带来很多工作,你们选择了绝对正确的、完美的领域。
