В октябре 2024 года Королевская шведская академия наук связала две научные Нобелевские премии с ИИ. 8 октября премию по физике получили Джон Хопфилд и Джеффри Хинтон, а 9 октября премию по химии — Дэвид Бейкер, Демис Хассабис и Джон Джампер. Это важно не потому, что «Нобель дали за чат-ботов», а потому, что комитеты выделили конкретные методы: нейросетевые модели, выросшие из физики, и вычислительные инструменты, ставшие частью современной биохимии.
Ниже — разбор того, что именно признали в 2024 году, на каких работах это основано и почему формула «ИИ признан наукой» верна лишь в аккуратно ограниченном смысле.
Коротко
- 8 октября 2024 года Нобелевскую премию по физике присудили Джону Хопфилду и Джеффри Хинтону за фундаментальные открытия, сделавшие возможным машинное обучение с искусственными нейросетями.
- 9 октября 2024 года премию по химии разделили между Дэвидом Бейкером за вычислительный дизайн белков и Демисом Хассабисом с Джоном Джампером за предсказание структуры белков.
- Премия по физике была не про LLM и не про современные продуктовые ИИ-сервисы, а про более ранний фундамент: сеть Хопфилда и машину Больцмана.
- Премия по химии зафиксировала переход ИИ из категории «обещающих методов» в категорию научих инструментов: нобелевский релиз говорил о почти всех 200 миллионах известных белков, а технические публикации AFDB 2023–2024 годов — уже о базе примерно 214–215 миллионов структур.
- Фраза «ИИ признан наукой» — это интерпретация. Строго по источникам комитеты наградили не ИИ «вообще», а конкретные методы, давшие проверяемый результат в физике и химии.
Контекст
У 2024 года необычная конфигурация: две соседние научные нобелевские премии оказались связаны с машинным обучением. Но новости об этом быстро упростили картину до лозунга «Нобель за ИИ». По первоисточникам это не совсем так.
Премия по физике, объявленная 8 октября 2024 года, была сформулирована как награда за фундаментальные открытия и изобретения, которые сделали возможным машинное обучение с искусственными нейросетями. Премия по химии, объявленная 9 октября 2024 года, была разделена между двумя линиями работ: вычислительным дизайном белков и предсказанием белковых структур.
Это важное различие. В одном случае комитет оглядывается назад и канонизирует фундамент из 1980-х. В другом — признаёт, что вычислительный метод уже стал рабочей инфраструктурой для дисциплины и масштабно изменил практику исследований.
Метод
Что именно наградили в физике
Источником для нобелевской формулировки по физике стали работы, в которых нейросетевые идеи были выражены через язык статистической физики. В статье Джона Хопфилда 1982 года сеть описывается через энергетический ландшафт: система из простых узлов стремится к минимуму энергии и за счёт этого может восстанавливать сохранённый образ по неполному или искажённому входу. Нобелевский релиз 2024 года пересказывает это как ассоциативную память, способную хранить и реконструировать паттерны.
Работа Дэвида Экли, Джеффри Хинтона и Терренса Сейновски 1985 года вводит машину Больцмана как стохастическую сеть, которая учится на примерах и строит внутреннюю вероятностную модель данных. В исходной статье подчёркнуто, что сеть должна уметь не только распознавать пример, но и порождать примеры с той же вероятностной структурой. Нобелевский комитет в 2024 году делает именно на этом акцент: Хинтон использовал идеи Хопфилда и статистической физики, чтобы создать сеть, обучающуюся находить характерные свойства данных.
Если перевести на современный язык, физический Нобель 2024 — это не награда за генеративный ИИ как потребительский феномен. Это награда за ранние энерго-ориентированные и вероятностные нейросетевые конструкции, без которых позднейшая история машинного обучения выглядела бы иначе.
Что именно наградили в химии
По химии комитет объединил две соседние, но разные задачи. Первая — computational protein design, то есть проектирование новых белков с нужной формой и свойствами. По материалам Nobel Prize именно с этой линией работ связан Дэвид Бейкер: в 2003 году его группа показала, что можно спроектировать белок Top7, не похожий на известные природные белки. Нобелевские материалы отдельно подчеркивают, что это открыло путь к созданию новых белков для лекарств, вакцин, материалов и сенсоров.
Вторая задача — предсказание трёхмерной структуры белка по аминокислотной последовательности. В статье Highly accurate protein structure prediction with AlphaFold авторы прямо называют это открытой проблемой более чем полувековой давности. В той же работе описан AlphaFold2: нейросетевая система, которая опирается не только на статистическое обучение, но и на биологические и физические знания о структуре белков, включая множественные выравнивания последовательностей.
Именно это важно для понимания нобелевского решения: комитет не награждал «ИИ для биологии» как абстракцию. Он наградил два уже материализованных класса инструментов — дизайн новых белков и предсказание их структуры — которые можно связать с конкретными публикациями, бенчмарками и общедоступной инфраструктурой.
Результаты
| Премия | Дата объявления | Лауреаты | Что признал комитет | Ключевой научный результат | Что это дало на практике |
|---|---|---|---|---|---|
| Физика 2024 | 8 октября 2024 | Джон Дж. Хопфилд, Джеффри Хинтон | Фундамент для машинного обучения с искусственными нейросетями | Сеть Хопфилда как ассоциативная память на энергетическом ландшафте; машина Больцмана как вероятностная обучающаяся сеть | Комитет прямо связал эти методы с основанием для современного мощного машинного обучения |
| Химия 2024 | 9 октября 2024 | Дэвид Бейкер; Демис Хассабис; Джон Джампер | Вычислительный дизайн белков и предсказание белковых структур | Top7 и линия de novo-дизайна белков; AlphaFold2 как система предсказания структуры по последовательности | Нобелевский релиз говорил о почти всех 200 млн известных белков и более чем 2 млн пользователей из 190 стран; технические статьи AFDB 2023–2024 описывали уже примерно 214–215 млн структур |
Для практиков важнее всего не сам факт премии, а то, что можно измерить. У AlphaFold2 есть и слепой бенчмарк, и развёрнутая инфраструктура. По статье 2021 года и по официальному FAQ AlphaFold Protein Structure Database, на CASP14 система показала медианную ошибку по каркасу около 0,96 Å, тогда как следующий лучший метод был примерно на уровне 2,83 Å. Это один из редких случаев, когда нобелевская история опирается не только на красивую идею, но и на воспроизводимый тест.
Другая важная метрика — масштаб использования. В нобелевском пресс-релизе по химии от 9 октября 2024 года говорится, что AlphaFold2 использовался более чем двумя миллионами людей из 190 стран. Пост Google DeepMind в тот же день повторяет ту же оценку. При этом в технических публикациях о базе AlphaFold Protein Structure Database встречаются более точные числа: Nature в 2023 году пишет о 214 миллионах предсказанных структур, другая статья того же года — примерно о 215 миллионах. То есть комитет награждал уже не лабораторный прототип, а развернутый научный ресурс.
Линия Бейкера выглядит менее «массовой» в интерфейсном смысле, но не менее принципиальной по научной логике. В 2003 году Top7 был описан как 93-аминокислотный белок с новой последовательностью и новой топологией; нобелевские материалы 2024 года подчёркивают, что это был переломный момент для de novo-дизайна. Если AlphaFold2 отвечает на вопрос «какую структуру примет данная последовательность», то работы Бейкера двигают обратную задачу: «какую последовательность нужно спроектировать для желаемой структуры или функции».
Интерпретация
Наш комментарий
Если понимать заголовок «ИИ признан наукой» буквально, он неточен. Нобелевские комитеты не присуждали премию за ИИ как единую дисциплину, не оценивали качество современных чат-ботов и не подтверждали, что текущая волна генеративных моделей надёжна для науки.
Но в более строгом смысле заголовок всё же отражает реальность 2024 года. Комитеты признали, что методы машинного обучения стали частью ткани естественных наук. По физике были канонизированы фундаментальные идеи, связывающие нейросети со статистической физикой. По химии награда ушла не за «обещание», а за инструмент, который закрыл многолетний узкий участок в структурной биологии и стал общей исследовательской инфраструктурой.
Для инженера и исследователя из этого следует простой вывод: научная легитимность в ИИ возникает не в момент шумного релиза, а когда есть три вещи сразу — теоретическая внятность, проверяемый бенчмарк и полезность для внешнего научного сообщества. В 2024 году Nobel Prize отметил именно такие случаи.
Ограничения и критика
Во-первых, это не Нобель за весь современный ИИ. По физике наградили очень конкретную ветку истории нейросетей — сеть Хопфилда и машину Больцмана. Трансформеры, масштабирование LLM, RLHF, мультимодальные системы и агентные сценарии в решение 2024 года напрямую не входят.
Во-вторых, нобелевская рамка неизбежно сокращает коллективный вклад. В химии рядом с лауреатами стоят большие инженерные и исследовательские команды; это видно уже по списку авторов статьи AlphaFold 2021 года. В физике та же проблема: история нейросетей гораздо шире двух работ и двух имён.
В-третьих, AlphaFold не отменяет эксперимент. Даже благожелательная методологическая литература после нобелевского решения подчеркивает, что предсказания AlphaFold — это очень ценные гипотезы и ускоритель работы, но не замена экспериментальному определению структуры. Это особенно важно там, где речь идёт о динамике, комплексах, конформационном разнообразии и тонких эффектах связывания.
В-четвёртых, сама формула «ИИ признан наукой» скрывает асимметрию между премиями. Премия по физике в значительной степени ретроспективна: она признаёт фундамент, заложенный десятилетия назад. Премия по химии заметно ближе к современной инженерной науке: там признан и метод, и уже развёрнутый в мире исследовательский сервис.
В-пятых, нобелевское решение не равно независимому сравнению всех подходов. Комитеты выбирают работы по совокупности научного вклада и исторического значения, а не составляют рейтинг методов в стиле лидерборда. Поэтому из премии нельзя механически выводить, что именно эти подходы «лучше всех» на всех задачах ИИ.
Заключение
Нобелевские премии 2024 года не узаконили весь ИИ и не превратили медийную волну вокруг генеративных моделей в научный консенсус. Они сделали более точную вещь: признали конкретные методы машинного обучения как фундаментальные элементы физики и рабочие инструменты химии.
Поэтому главный итог 2024 года для практиков такой: долгую научную ценность в ИИ получают не самые громкие интерфейсы, а методы, которые можно строго описать, проверить на бенчмарке и встроить в реальную исследовательскую работу.
Источники
- The Nobel Prize in Physics 2024 – Prize announcement
- Press release: The Nobel Prize in Physics 2024
- The Nobel Prize in Physics 2024 – Scientific background
- Neural networks and physical systems with emergent collective computational abilities
- A Learning Algorithm for Boltzmann Machines
- The Nobel Prize in Chemistry 2024 – Prize announcement
- Press release: The Nobel Prize in Chemistry 2024
- The Nobel Prize in Chemistry 2024 – Scientific background
- David Baker – Facts – 2024
- Design of a novel globular protein fold with atomic-level accuracy
- Highly accurate protein structure prediction with AlphaFold
- AlphaFold Protein Structure Database
- Demis Hassabis & John Jumper awarded Nobel Prize in Chemistry
- Clustering predicted structures at the scale of the known protein universe
- Uncovering new families and folds in the natural protein universe
- AlphaFold predictions are valuable hypotheses and accelerate but do not replace experimental structure determination
FAQ
Это был Нобель за ChatGPT или LLM?
Нет. По физике наградили фундаментальные нейросетевые работы 1982 и 1985 годов, а по химии — вычислительный дизайн белков и AlphaFold2. Современные большие языковые модели не были прямым объектом этих решений.
Почему ИИ оказался в премии по физике?
Потому что сеть Хопфилда и машина Больцмана сформулированы через идеи статистической физики: энергию, спиновые системы, распределение Больцмана. Нобелевский комитет прямо объясняет эту связь в пресс-релизе и научном background-документе.
Что именно в химии наградили: AlphaFold или дизайн белков?
Оба направления, но не одинаково. Половину премии получил Дэвид Бейкер за вычислительный дизайн белков, вторую половину совместно — Демис Хассабис и Джон Джампер за предсказание белковых структур.
Можно ли после этого считать, что ИИ заменил эксперименты в биологии?
Нет. Источники после AlphaFold подчёркивают, что предсказания резко ускоряют работу и помогают строить гипотезы, но не заменяют экспериментальное определение структуры во всех случаях.