现代科学已死，人工智能是真正的赢家？

以下摘自诺贝尔奖官网：

2024年诺贝尔化学奖是关于蛋白质的，蛋白质是生命中巧妙的化学工具。大卫·贝克成功地完成了几乎不可能完成的构建全新蛋白质的壮举。Demis Hassabis和John Jumper开发了一个人工智能模型来解决一个50年前的问题：预测蛋白质的复杂结构。这些发现具有巨大的潜力。

生命的多样性证明了蛋白质作为化学工具的惊人能力。它们控制和驱动所有的化学反应，这些反应共同构成了生命的基础。蛋白质还充当激素、信号物质、抗体和不同组织的构建块。

诺贝尔化学委员会主席海纳·林克说：“今年被认可的发现之一是构建壮观的蛋白质。另一个是实现一个50年的梦想：从氨基酸序列预测蛋白质结构。这两个发现都开辟了巨大的可能性。”。

蛋白质通常由20种不同的氨基酸组成，它们可以被描述为生命的基石。2003年，David Baker成功地利用这些模块设计了一种不同于其他任何蛋白质的新蛋白质。从那时起，他的研究小组创造了一个又一个富有想象力的蛋白质，包括可用作药物、疫苗、纳米材料和微型传感器的蛋白质。

第二个发现涉及蛋白质结构的预测。在蛋白质中，氨基酸以长串的形式连接在一起，折叠形成三维结构，这对蛋白质的功能至关重要。自20世纪70年代以来，研究人员一直试图从氨基酸序列中预测蛋白质结构，但这是出了名的困难。然而，四年前，有一个惊人的突破。

2020年，Demis Hassabis和John Jumper提出了一个名为AlphaFold2的人工智能模型。在它的帮助下，他们已经能够预测研究人员鉴定出的几乎所有2亿种蛋白质的结构。自突破以来，AlphaFold2已被来自190个国家的200多万人使用。在众多科学应用中，研究人员现在可以更好地了解抗生素耐药性，并创建可以分解塑料的酶的图像。

没有蛋白质，生命就不可能存在。我们现在可以预测蛋白质结构并设计自己的蛋白质，这给人类带来了最大的好处。

今年的两位诺贝尔物理学奖获得者使用了物理学的工具来开发方法，这些方法是当今强大的机器学习的基础。John Hopfield创造了一种联想记忆，可以存储和重建数据中的图像和其他类型的模式。Geoffrey Hinton发明了一种可以自主查找数据属性的方法，从而执行识别图片中 特定元素等任务。

当我们谈论人工智能时，我们通常指的是使用人工神经网络的机器学习。这项技术最初是受大脑结构的启发。在人工神经网络中，大脑的神经元由具有不同值的节点表示。这些节点通过连接相互影响，这些连接可以比作突触，可以变得更强或更弱。例如，通过在同时具有高值的节点之间建立更强的连接来训练网络。今年的获奖者从20世纪80年代开始就对人工神经网络进行了重要的研究。

John Hopfield发明了一种网络，它使用一种保存和重新创建模式的方法。我们可以把节点想象成像素。Hopfield网络利用物理学来描述材料因其原子自旋而产生的特性，这种特性使每个原子都成为一个微小的磁体。整个网络的描述方式相当于物理学中自旋系统的能量，并通过找到节点之间的连接值进行训练，以使保存的图像具有较低的能量。当Hopfield网络收到失真或不完整的图像时，它会有条不紊地通过节点并更新其值，从而使网络的能量下降。因此，网络逐步工作，找到最像它收到的不完美图像的保存图像。

Geoffrey Hinton使用Hopfield网络作为使用不同方法的新网络的基础：玻尔兹曼机。这可以学习识别给定类型数据中的特征元素。Hinton使用了统计物理学的工具，统计物理学是一门由许多类似组件构建的系统科学。通过向机器提供机器运行时很可能出现的示例来训练机器。玻尔兹曼机器可用于对图像进行分类，或创建训练模式类型的新示例。Hinton在这项工作的基础上，帮助启动了当前机器学习的爆炸性发展。

诺贝尔物理学委员会主席Ellen Moons说：“获奖者的工作已经带来了最大的好处。在物理学中，我们在广泛的领域使用人工神经网络，例如开发具有特定性能的新材料。”。

似乎给人一种人工智能时代来临，传统的数学、物理、力学都没用了，以后都人工智能就可以了。

但就目前的科学研究而言，笔者还是不假思索地问一个问题：

那为什么你要计算那么多的数值模拟？你只做你需要的模型不就好了吗？

如果一定要在数值模拟中大量使用人工智能，成为超越甚至是取代数值计算的地位，那就必须是人工智能可以通过类似数值计算的方式求解控制方程。

如果上面说的能够做到，那确实算的又快又准，相比较于数值模拟有相当的优越性。

结论就是：

与其学习数据驱动力学的计算范式，不如提出能够学习数值分析方法（例如物质点法，有限元法，光滑粒子流体动力学）等算法的神经网络。

所以，正确的逻辑应该是：

提出会学习计算力学算法的神经网络

部署模型，并给予不同的计算力学算法，让其不断学习物理问题的数值解

直到看到一个力学问题就知道答案是什么

所以，问题归根到底：