Nature：ChatGPT能够预测诺贝尔奖吗？

2023年诺贝尔奖将于10月2日起陆续公布，此时每关心诺奖的人心中都有一个问题——谁会获奖？

ChatGPT是 OpenAI 于2022年11月30日发布的一种人工智能聊天机器人，它能够通过学习和理解人类的语言来进行对话，还能在几秒钟内对几乎任何问题产生靠谱的答案。

那么，ChatGPT能够预测今年的诺贝尔奖得主吗？

还真有人这么干了，印第安纳大学布卢明顿分校科学家 Santo Fortunato 向免费版的ChatGPT提问其是否能预测今年的诺贝尔奖得主。然而，ChatGPT的回到是——我无法预测未来，包括2023年或其他任何一年的诺贝尔奖得主。

Santo Fortunato 并没有就此打住，他换了一种提问方式，他要求ChatGPT找到由尚未获得诺贝尔奖且在世的科学家做出的化学、物理和生理学或医学领域的三项最大发现。他的学生们则对谷歌开发的人工智能聊天机器人Claude做了类似的提问。

结果，这两个聊天机器人都能够找出重要发现，包括CRISPR基因编辑工具的开发、二维材料石墨烯的发现，但这些答案的问题也很明显。在某些情况下，聊天机器人识别的发现是由已经获得诺贝尔奖的科学家做出的，此外，提问的是在世的科学家所做的发现，但回答中的有些科学家已经去世了。

人工智能已开始助力奖项评选

由研究人员认为，尽管ChatGPT和Claude等基于大语言模型（LLM）的人工智能系统目前还不是诺贝尔奖预言家，但它们确实有潜力成为强大的预测工具。我们还需要做一些工作才能使它们适合这一目的。要创建一个能预测诺贝尔奖的人工智能，目前的大语言模型（LLM）需要在适当的数据上进行修改和训练，而不仅仅是拿现在的大语言模型（LLM）并将其塞进预测诺贝尔奖的任务中。

实际上，人工智能还可以加强现有的对诺贝尔奖的预测，以确定未来的赢家。就在上周，科睿唯安（Clarivate）发布了年度“引文桂冠奖 ”名单，通过分析论文的被引用情况，该奖项自2002年首次发布以来，已成功预测了71位诺贝尔奖科学奖得主。

“引文桂冠奖”突出了那些发表的论文被引用至少2000次的科学家，这一被引用数据与之前大多数诺贝尔科学奖得主相当。此外，该奖项还考虑了这些高被引论文的作者是否有开创性的发现，是否已经获得了著名奖项。例如，今年的“引文桂冠奖”在癌症免疫治疗、人类微生物组、合成生物学、材料科学、基因测序等领域做出了巨大贡献。

值得一提的是，科睿唯安科学信息研究所的研究分析主管 David Pendlebury 表示，科睿唯安已经开始探索如何利用生成式人工智能来帮助预测未来的诺贝尔奖得主。这可能会在明年的评选中有所贡献。与现有的方法相比，生成式人工智能的一个优势是它们能够在海量科学文献中进行搜索。这将提高我们确定潜在诺贝尔奖获得者候选人的速度和彻底性。

获得诺奖最重要的是什么？

对过去诺贝尔奖得主的分析能够看出，仅凭论文引用情况不足以表明谁可能在未来获得诺贝尔奖。要想获得这一科学界最高奖的认可，需要做出真正突破性的工作，推动一个领域向前发展，或对社会产生根本性影响。也就是说，必须要有一些特殊的东西，然而，量化这种特殊性可能非常困难。

基于大语言模型（LLM）的人工智能可能为预测诺贝尔奖提供帮助，因为它们可以搜索在线资源和档案，以获取研究影响的其他迹象。这些可能包括新闻报道、研究人员之间的合作网络以及他们与前诺贝尔奖得主的关联。向大语言模型提供这种定性信息可能会产生更全面的预测。

但也有研究人员认为，生成式人工智能工具也可能会延续以前围绕诺贝尔奖的偏见。自1901年诺贝尔奖首次颁发以来，已有635人获得诺贝尔化学奖、物理奖、生理学或医学奖，但其中只有24人为女性。如果大语言模型使用关于过去获奖者的数据进行学习和训练，他们更有可能预测男性而不是女性作为未来诺贝尔奖获奖者。因此，我们需要消除人工智能的这些偏见。

当真正决定谁将获得诺贝尔奖时，人类的判断力是无可匹敌的，最终，品味是必须的，也是人类特有的，这也是诺贝尔奖散发出的迷人魅力的原因。

今年谁会获奖？

近期，多项科学大奖在诺贝尔奖发布前公布获奖名单，其中，CAR-T细胞治疗先驱 Carl June 和 Michel Sadelain 等人获得了两项有着诺奖风向标之称的“科学突破奖”和“引文桂冠奖”的认可，他们能否获得今年的诺贝尔奖，我们拭目以待。

Carl June（左）和Michel Sadelain（右）

除了他们两人，生理学或医学领域近几年屡获科学大奖、诺奖呼声很高的还有中国科学家卢煜明（香港中文大学），他发现了孕妇外周血中存在游离的胎儿DNA，并发展出一套新技术来准确分析和度量母亲血浆内的胎儿DNA，开创了无创DNA产前诊断。他此前已经获得了“科学突破奖”、“引文桂冠奖”和“拉斯克奖”。

卢煜明

近几年一直呼声很高的还有光遗传学之父 Karl Deisseroth（斯坦福大学），他首次提出了光遗传学，开创了光遗传学时代，改变了神经科学研究格局。此前他已获得了“科学突破奖”、“引文桂冠奖”和“拉斯克奖”。

Karl Deisseroth

因mRNA研究还推动了mRNA疫苗开发的 Katalin Karikó、Drew Weissman 也是近年的热门人选，他们此前已经获得了“科学突破奖”和“拉斯克奖”。

Drew Weissman（左）、Katalin Karikó（右）

值得一提的是，开发了AlphaFold的两位学者 Demis Hassabis 和 John Jumper 近两年先后获得了“科学突破奖”，“盖尔德纳奖”，以及“拉斯克奖”。AlphaFold解决了从氨基酸一维序列预测蛋白质三维结构这一长期存在的挑战，将蛋白质结构预测的准确性和速度提升到了前所未有的水平。

Demis Hassabis（左）、John Jumper（右）

参考链接：https://www.nature.com/articles/d41586-023-03074-7