凭借图像生成器和对话代理，人工智能（AI）正在挑战艺术家和作家，但科学家认为它也可能彻底改变研究，甚至在诺贝尔奖的研究工作中占据重要位置。2021年，日本科学家北野宏明发起了他称之为诺贝尔图灵挑战的计划。他向研究人员发起挑战，要求他们在2050年前创造出一种能够自主进行诺贝尔奖水平研究的“AI科学家”。一些研究人员正夜以继日地努力创造这样的人工同事，目前已经有一百多台“科学机器人”
在科学领域发挥作用，瑞典查尔姆斯大学的人工智能教授罗斯·D·金如是说。这位专家早在2009年就发表了一篇文章，介绍了与其他研究人员共同推出的名为“亚当”的科学机器人，这是第一台能够自主产生科学发现的机器。“我们制造了一台能够发现新科学理念、测试这些理念并确认其正确性的机器人，”金先生对法新社表示。
这台机器人被设计成能够自主提出假设，设计实验来测试假设，甚至可以编程其他的实验室机器人来进行实验并从结果中学习。非“平凡”的发现
“亚当”机器人被赋予研究酵母内部运作的任务，并发现了许多此前未知的“基因功能”。作者在文章中认为，这些发现虽然“谦逊”但绝非“平凡”。随后开发的第二台科学机器人名为“夏娃”，用于研究疟疾和其他热带疾病的候选药物。
金继续解释说，利用这种机器人，“进行研究的成本更低，并且能够全天候工作”，此外，它们在过程跟踪上也更加严谨。然而，研究人员承认人工智能还远远达不到一位值得获得诺贝尔奖的科学家的水平。要与诺贝尔奖竞争，这需要“更聪明”的机器人，能够“理解整体情况”。“难以被取代”“科学传统很难被机器取代，”挪威科技大学副教授英格·斯特鲁姆克对法新社表示。“这并不意味着这是不可能的，”
她补充道，认为人工智能对科学的影响“显然”是目前和未来存在的。谷歌Deepmind开发的AI模型Alphafold是一个很好的例子，这个模型可以根据蛋白质的氨基酸来预测其三维结构。“我们知道氨基酸和蛋白质最终的三维结构之间存在关系，并且可以利用机器学习来找到这种关系，”斯特鲁姆克解释道。然而，这些计算对人类来说过于复杂，“机器因此完成了人类无法做到的事情，”她补充道。
Alphafold 的同时，该研究揭示出目前AI模型，如神经网络的弱点。虽然它们对于处理大量信息并找到答案非常擅长，但并不能说明为什么这个答案是正确的。因此，虽然Alphafold预测的两亿多种蛋白质结构“极为有用”，但它们“并没有教给我们关于微生物学的新知识”，斯特鲁姆克解释道。在人工智能的协助下
对她来说，科学的目标是理解宇宙，而不仅仅是“做出正确的猜测”。
然而，Alphafold取得的革命性成果使一些专家将其设计者列为潜在诺贝尔奖得主。谷歌DeepMind的主管John M. Jumper及其CEO和联合创始人Demis Hassabis在2023年已经获得了备受尊敬的拉斯克奖。他们也出现在Clarivate分析公司预测潜在诺贝尔奖得主的名单中，该公司基于科学研究文章的引用情况进行预测。
Clarivate分析公司的负责人David Pendlebury承认，虽然Jumper和Hassabis的文章自2021年发表以来已被引用数千次，诺贝尔奖评审委员会通常不会在如此短时间内奖励一项工作。诺贝尔奖通常奖励几十年前的发现。但他相信，未来的诺贝尔奖得主中，研究将会越来越多地在人工智能的协助下完成。“我确信在未来十年内，会有通过某种方式获得计算机尤其是人工智能支持的获得诺贝尔奖的作品，”
Pendlebury对法新社表示。