那么，这又怎么样呢？谷歌不是一所大学或单位实验室，也不进行物理或化学研究。它是一个专注于应用计算机科学的私营部门盈利引擎。它与诺贝尔奖——授予了Geoffrey Hinton, John Hopfield, Demis Hassabis和John Jumper之间的联系，清楚地提醒我们：1. 现代尖端科学在多大程度上依赖于人工智能；2. 随着结果的变化，这些尖端科学有多少在向私人部门转移。
这对人类未来可能是好的或坏的，也值得注意。范畴错误。自周三宣布奖项以来，诺贝尔委员会一直收到一些建议，要求更新或增加奖项类别，以适应技术的发展。物理学。Hinton和Hopfield因在机器学习方面的发现和发明获奖，对此Hinton承认计算机科学中的奖项可能“更为合适”。化学。
Hassabis和Jumper因借助称为AlphaFold2的算法以及欧洲生物信息学研究所(EBI)的帮助来解码蛋白质结构而获奖，该研究所的副主任建议工程学奖会更合适。但是阿尔弗雷德·诺贝尔在1895年的遗嘱中设定了奖项类别，而计算机科学和工程学并不在其中。因此，委员会将其认为最值得的科学家硬塞进旧式类别中，尽管这些获奖者实际上都是人工智能的先锋。字母汤。
Hinton——所谓的AI教父——直到去年还在谷歌从事纯人工智能研究，离开公司后可以自由谈论他帮助创造的技术的风险。Hassabis和Jumper在DeepMind工作，谷歌拥有其所有权，并为AlphaFold2预测蛋白质形状提供大量计算能力，基于氨基酸序列。它已经预测了2亿种蛋白质，这一数字是该算法问世前实验解码数量的千倍（免费向所有人开放）。大脑流失。
根据Tortoise的全球AI指数研究显示：十年前，由Hinton和Hopfield开创的神经网络尖端模型中，85%是由学术机构开发，而15%由业界开发。今年，80%的尖端模型是由业界开发的。没有一个是完全由学术机构开发的，因为大学已不再有能力在没有业界伙伴支持的情况下训练大型AI模型。该指数显示，在过去六年中，美国、英国以及全球的AI人才都在不断从学术界流向业界。好的方面。
企业可以提供的研究资金规模是大多数单位所无法达到的。英国研究和创新机构通过国家资助提供每年80亿英镑的资金，而谷歌和Meta的研究预算去年分别为450亿和380亿美元。总的来说，科技公司还可以提供
计算能力；并具有“基于产品的思维模式”，这种思维模式下的企业可以在不到一年的时间内开发出新冠疫苗，正如EBI的Jo McEntyre所说。
特别是，依靠AI的蛋白质折叠技术作为一家企业运营，可能会显著加速对抗抗微生物药物耐药性、癌症、其他疾病甚至海洋塑料污染的斗争。可疑之处。Hinton著名地担心——就像奥本海默对核弹的忧虑一样——如果AI在智力上超越人类，那么它可能会失控。而这种风险可能不会因私人领域主导AI发展且相互竞争而减小。此外。没有诺贝尔奖是为机器人而设，以吸引它们更好的天性。