2023年諾貝爾獎(jiǎng)將于10月2日起陸續(xù)公布，此時(shí)每關(guān)心諾獎(jiǎng)的人心中都有一個(gè)問(wèn)題——誰(shuí)會(huì)獲獎(jiǎng)？

ChatGPT是 OpenAI 于2022年11月30日發(fā)布的一種人工智能聊天機(jī)器人，它能夠通過(guò)學(xué)習(xí)和理解人類的語(yǔ)言來(lái)進(jìn)行對(duì)話，還能在幾秒鐘內(nèi)對(duì)幾乎任何問(wèn)題產(chǎn)生靠譜的答案。

那么，ChatGPT能夠預(yù)測(cè)今年的諾貝爾獎(jiǎng)得主嗎？

還真有人這么干了，印第安納大學(xué)布盧明頓分校科學(xué)家 Santo Fortunato 向免費(fèi)版的ChatGPT提問(wèn)其是否能預(yù)測(cè)今年的諾貝爾獎(jiǎng)得主。然而，ChatGPT的回到是——我無(wú)法預(yù)測(cè)未來(lái)，包括2023年或其他任何一年的諾貝爾獎(jiǎng)得主。

Santo Fortunato 并沒(méi)有就此打住，他換了一種提問(wèn)方式，他要求ChatGPT找到由尚未獲得諾貝爾獎(jiǎng)且在世的科學(xué)家做出的化學(xué)、物理和生理學(xué)或醫(yī)學(xué)領(lǐng)域的三項(xiàng)最大發(fā)現(xiàn)。他的學(xué)生們則對(duì)谷歌開(kāi)發(fā)的人工智能聊天機(jī)器人Claude做了類似的提問(wèn)。

結(jié)果，這兩個(gè)聊天機(jī)器人都能夠找出重要發(fā)現(xiàn)，包括CRISPR基因編輯工具的開(kāi)發(fā)、二維材料石墨烯的發(fā)現(xiàn)，但這些答案的問(wèn)題也很明顯。在某些情況下，聊天機(jī)器人識(shí)別的發(fā)現(xiàn)是由已經(jīng)獲得諾貝爾獎(jiǎng)的科學(xué)家做出的，此外，提問(wèn)的是在世的科學(xué)家所做的發(fā)現(xiàn)，但回答中的有些科學(xué)家已經(jīng)去世了。

人工智能已開(kāi)始助力獎(jiǎng)項(xiàng)評(píng)選

由研究人員認(rèn)為，盡管ChatGPT和Claude等基于大語(yǔ)言模型（LLM）的人工智能系統(tǒng)目前還不是諾貝爾獎(jiǎng)?lì)A(yù)言家，但它們確實(shí)有潛力成為強(qiáng)大的預(yù)測(cè)工具。 我們還需要做一些工作才能使它們適合這一目的。要?jiǎng)?chuàng)建一個(gè)能預(yù)測(cè)諾貝爾獎(jiǎng)的人工智能，目前的大語(yǔ)言模型（LLM）需要在適當(dāng)?shù)臄?shù)據(jù)上進(jìn)行修改和訓(xùn)練，而不僅僅是拿現(xiàn)在的大語(yǔ)言模型（LLM）并將其塞進(jìn)預(yù)測(cè)諾貝爾獎(jiǎng)的任務(wù)中。

實(shí)際上，人工智能還可以加強(qiáng)現(xiàn)有的對(duì)諾貝爾獎(jiǎng)的預(yù)測(cè)，以確定未來(lái)的贏家。就在上周，科睿唯安（Clarivate）發(fā)布了年度“引文桂冠獎(jiǎng)”名單，通過(guò)分析論文的被引用情況，該獎(jiǎng)項(xiàng)自2002年首次發(fā)布以來(lái)，已成功預(yù)測(cè)了71位諾貝爾獎(jiǎng)科學(xué)獎(jiǎng)得主。

“引文桂冠獎(jiǎng)”突出了那些發(fā)表的論文被引用至少2000次的科學(xué)家，這一被引用數(shù)據(jù)與之前大多數(shù)諾貝爾科學(xué)獎(jiǎng)得主相當(dāng)。此外，該獎(jiǎng)項(xiàng)還考慮了這些高被引論文的作者是否有開(kāi)創(chuàng)性的發(fā)現(xiàn)，是否已經(jīng)獲得了著名獎(jiǎng)項(xiàng)。例如，今年的“引文桂冠獎(jiǎng)”在癌癥免疫治療、人類微生物組、合成生物學(xué)、材料科學(xué)、基因測(cè)序等領(lǐng)域做出了巨大貢獻(xiàn)。

值得一提的是，科睿唯安科學(xué)信息研究所的研究分析主管 David Pendlebury 表示，科睿唯安已經(jīng)開(kāi)始探索如何利用生成式人工智能來(lái)幫助預(yù)測(cè)未來(lái)的諾貝爾獎(jiǎng)得主。這可能會(huì)在明年的評(píng)選中有所貢獻(xiàn)。與現(xiàn)有的方法相比，生成式人工智能的一個(gè)優(yōu)勢(shì)是它們能夠在海量科學(xué)文獻(xiàn)中進(jìn)行搜索。這將提高我們確定潛在諾貝爾獎(jiǎng)獲得者候選人的速度和徹底性。

獲得諾獎(jiǎng)最重要的是什么？

對(duì)過(guò)去諾貝爾獎(jiǎng)得主的分析能夠看出，僅憑論文引用情況不足以表明誰(shuí)可能在未來(lái)獲得諾貝爾獎(jiǎng)。要想獲得這一科學(xué)界最高獎(jiǎng)的認(rèn)可，需要做出真正突破性的工作，推動(dòng)一個(gè)領(lǐng)域向前發(fā)展，或?qū)ι鐣?huì)產(chǎn)生根本性影響。也就是說(shuō)，必須要有一些特殊的東西，然而，量化這種特殊性可能非常困難。

基于大語(yǔ)言模型（LLM）的人工智能可能為預(yù)測(cè)諾貝爾獎(jiǎng)提供幫助，因?yàn)樗鼈兛梢运阉髟诰€資源和檔案，以獲取研究影響的其他跡象。這些可能包括新聞報(bào)道、研究人員之間的合作網(wǎng)絡(luò)以及他們與前諾貝爾獎(jiǎng)得主的關(guān)聯(lián)。向大語(yǔ)言模型提供這種定性信息可能會(huì)產(chǎn)生更全面的預(yù)測(cè)。

但也有研究人員認(rèn)為，生成式人工智能工具也可能會(huì)延續(xù)以前圍繞諾貝爾獎(jiǎng)的偏見(jiàn)。自1901年諾貝爾獎(jiǎng)首次頒發(fā)以來(lái)，已有635人獲得諾貝爾化學(xué)獎(jiǎng)、物理獎(jiǎng)、生理學(xué)或醫(yī)學(xué)獎(jiǎng)，但其中只有24人為女性。如果大語(yǔ)言模型使用關(guān)于過(guò)去獲獎(jiǎng)?wù)叩臄?shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，他們更有可能預(yù)測(cè)男性而不是女性作為未來(lái)諾貝爾獎(jiǎng)獲獎(jiǎng)?wù)摺Ｒ虼耍覀冃枰斯ぶ悄艿倪@些偏見(jiàn)。

當(dāng)真正決定誰(shuí)將獲得諾貝爾獎(jiǎng)時(shí)，人類的判斷力是無(wú)可匹敵的，最終，品味是必須的，也是人類特有的，這也是諾貝爾獎(jiǎng)散發(fā)出的迷人魅力的原因。

今年誰(shuí)會(huì)獲獎(jiǎng)？

近期，多項(xiàng)科學(xué)大獎(jiǎng)在諾貝爾獎(jiǎng)發(fā)布前公布獲獎(jiǎng)名單，其中，CAR-T細(xì)胞治療先驅(qū) Carl June 和 Michel Sadelain 等人獲得了兩項(xiàng)有著諾獎(jiǎng)風(fēng)向標(biāo)之稱的“科學(xué)突破獎(jiǎng)”和“引文桂冠獎(jiǎng)”的認(rèn)可，他們能否獲得今年的諾貝爾獎(jiǎng)，我們拭目以待。

Carl June（左）和Michel Sadelain（右）

除了他們兩人，生理學(xué)或醫(yī)學(xué)領(lǐng)域近幾年屢獲科學(xué)大獎(jiǎng)、諾獎(jiǎng)呼聲很高的還有中國(guó)科學(xué)家盧煜明（香港中文大學(xué)），他發(fā)現(xiàn)了孕婦外周血中存在游離的胎兒DNA，并發(fā)展出一套新技術(shù)來(lái)準(zhǔn)確分析和度量母親血漿內(nèi)的胎兒DNA，開(kāi)創(chuàng)了無(wú)創(chuàng)DNA產(chǎn)前診斷。他此前已經(jīng)獲得了“科學(xué)突破獎(jiǎng)”、“引文桂冠獎(jiǎng)”和“拉斯克獎(jiǎng)”。

盧煜明

近幾年一直呼聲很高的還有光遺傳學(xué)之父 Karl Deisseroth（斯坦福大學(xué)），他首次提出了光遺傳學(xué)，開(kāi)創(chuàng)了光遺傳學(xué)時(shí)代，改變了神經(jīng)科學(xué)研究格局。此前他已獲得了“科學(xué)突破獎(jiǎng)”、“引文桂冠獎(jiǎng)”和“拉斯克獎(jiǎng)”。

Karl Deisseroth

因mRNA研究還推動(dòng)了mRNA疫苗開(kāi)發(fā)的 Katalin Karikó、Drew Weissman 也是近年的熱門(mén)人選，他們此前已經(jīng)獲得了“科學(xué)突破獎(jiǎng)”和“拉斯克獎(jiǎng)”。

Drew Weissman（左）、Katalin Karikó（右）

值得一提的是，開(kāi)發(fā)了AlphaFold的兩位學(xué)者 Demis Hassabis 和 John Jumper 近兩年先后獲得了“科學(xué)突破獎(jiǎng)”，“蓋爾德納獎(jiǎng)”，以及“拉斯克獎(jiǎng)”。AlphaFold解決了從氨基酸一維序列預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)這一長(zhǎng)期存在的挑戰(zhàn)，將蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的準(zhǔn)確性和速度提升到了前所未有的水平。

Demis Hassabis（左）、John Jumper（右）