“得知今年诺贝尔奖的结果，诺贝尔本人都得连夜转码农。”
在物理学奖和化学奖先后颁给AI相关课题后，诺贝尔奖成了诺贝尔AI奖。
今年这届抽象程度爆表的诺奖，让B站知识区UP主集体翻车。别说成功预测获奖者，就连方向都没人想得到。
10月8日，2024年诺贝尔物理学奖揭晓，科学家John J. Hopfield和Geoffrey E. Hinton因为在人工神经网络相关方向的基础性发现和发明获奖。这是计算机领域的研究方向，也是人工智能AI的基础理论。
消息一出，几乎所有人都满脸问号：物理学奖怎么不务正业，颁给了计算机领域？
不仅获奖者本人没想过自己会被张冠李戴，就算把这则喜讯发给ChatGPT，连AI自己都不相信这是真的。
所有人都在问一个问题：它和物理学到底有什么关系？
这其中，毕导成了吐槽急先锋，“我怀疑诺奖委员会偷偷重仓了谷歌和英伟达。”
此前，他就曾吐槽过自己的专业化学领域的诺奖已经变成了“理综奖”，没想到物理直接成了数学奖。
虽然，毕导在B站高强度科普物理知识，但今年的物理诺奖似乎触及到了他的知识盲区。
不仅毕导受挫，这甚至难倒了一众准备了各项预案科普的物理UP主。
@二次元的中科院物理所 每年都会直播并解读诺贝尔奖，今年他们紧急请来了计算机专业的学生和研究员，终于讲清了今年诺奖的门道。
中科院物理所的研究员刘淼解释说，今年物理奖人工神经网络的本质，是用计算机模拟生命体的神经细胞接受信号、作出反馈的过程。它模拟的水平越高，就越能像人一样思考和决策。
相关理论早在上世纪40年代就被提出，但在当时不被看好。随着技术发展，人类的硬件水平、算力不断提升，它逐渐变为现实。
UP主@果壳 则发布视频，深挖出Hinton这位诺贝尔奖、图灵奖双料得主的一生。
Hinton年轻时是一位不折不扣的叛逆青年，他从剑桥大学国王学院反复入学又退学了五次，学习过包括物理、建筑学、哲学等五门学科，甚至当过一年木匠。
他深深着迷于人脑的工作原理，但这些学科都无法给他答案。于是，他开始研究神经网络——用机器实现大脑功能。
2006年，他开启了深度学习时代。直到今天，最前沿的AI技术也是在此基础上展开。Hinton也因此成为公认的“AI教父”。
他的人工神经网络基础理论中，用到了统计物理学的理论，并且为量子物理、天体物理的发展提供了重要帮助。
听完了一众UP主的科普，有些网友开始动摇，觉得物理学确实需要拓展边界。
而更多人依然愤愤不平，喊出《三体》里的金句：物理学不存在了！
看到AI获得物理诺奖后，科研爱好者也大胆预测，化学奖是不是也得给AI一席之地？
原本大家只是开玩笑，没想到一不小心成了预言家。
果不其然，10月9日公布的诺贝尔化学奖也被AI攻占。
三位科学家因在计算蛋白质设计，以及蛋白质结构预测方面的贡献获奖。他们的研究都和人工智能密不可分。
此前，科技UP主@量子位 曾做过相关科普，几句话就讲清了这项诺奖的含金量。
2003年，获奖者David Baker完成了一项被认为不可能的壮举：构建了全新的蛋白质种类。
蛋白质是人生命活动必不可少的分子，它复杂而神秘，曾被认为是造物主的专属技能。自David Baker以后，这份“神力”也被人类掌握。
2018年，另两名获奖者Demis Hassabis和John M. Jumper的团队创造了名叫AlphaFold的AI模型，它能够根据蛋白质的组成，直接预测出蛋白质的结构。
过去，人类只能通过冷冻电镜等实验手段，观测蛋白质的结构，费力又费钱。科学家们用了几十年，仅仅解析了35%的人类蛋白质结构。
AlphaFold则在几个月时间里，完成了98.5%人类蛋白质结构的预测。
相比抽象的物理学奖和一如既往的“理综”奖，生理学或医学奖就显得正常许多。
10月7日颁奖后，科普作家UP主@严伯钧 连夜发布视频，科普获奖的“微小RNA”。
严伯钧解释道，生物体的生长过程，不是加法，而是减法过程。蛇为什么没有腿？不是因为它长不出来，而是长腿的功能被减去了。
这些特征和性状，在于DNA的表达，而正是微小RNA在表达何种DNA中起到至关重要的作用。
听得懵懵懂懂的观众，突然反应过来，这不就是高中学的“基因的选择性表达”吗？
这个看似简单的问题，老师讲完后大家似乎完全没有想过为什么如此。
“难道这就是我和诺奖的差距吗？”
每年诺奖颁布后，B站都会冒出一群迷茫的吃瓜网友，对着一个个不明觉厉的科学名词望洋兴叹。
而在UP主的科普接力后，许多高深莫测的理论都被降维处理。
人类最强大脑和他们创造的前沿科技，都变得不再神秘。
