在近期的诺贝尔奖评选中，AI成为大赢家，连续摘得物理学和化学两大奖项。2024年诺贝尔物理学奖授予了利用物理学工具开发机器学习基础方法的美国科学家约翰·霍普菲尔德和英裔加拿大科学家杰弗里·辛顿。霍普菲尔德发明的联想神经网络，解决了如何通过部分记忆联想起完整记忆的问题，而辛顿的玻尔兹曼机为机器学习的快速发展提供了重要推动力。紧随其后，诺贝尔化学奖颁发给了大卫·贝克、戴米斯·哈萨比斯和约翰·江珀，以表彰他们在AI预测蛋白质结构和蛋白质设计领域的贡献。贝克率先开发了设计和预测蛋白质三维结构的方法，而哈萨比斯和江珀共同创造的AI蛋白质结构分析工具AlphaFold，极大提升了蛋白质研究的效率。 这一系列奖项的颁发引发关注，AI在科学领域展现出的强大潜力，预示着知识的传播和学习方式正发生深刻变革。AI的学习效率远超人类，不仅在知识获取速度上占据优势，还能通过抽象思考处理大量信息，这使得知识正在迅速贬值。专家预测，未来几乎所有专业知识都将被AI免费化，而传统的高等教育投资可能不再具有回报。然而，这也促使跨学科知识的重要性凸显，计算机工具与不同学科理论的结合，有望解决当前科学难题，甚至可能成为未来诺贝尔奖的新竞争领域。未来，掌握人工智能技能将有助于个体在工作和学术研究中取得突破，甚至在某些情况下挑战传统奖项的范畴。