给文科生讲清楚，所有2024诺贝尔自然科学奖

博雅小学堂

给孩子受益终生的人文底色

文丨吴京平

博雅《给孩子的科技周刊》主讲人

知名科普作家

这两天，诺贝尔生理学或医学奖、物理学奖、化学奖纷纷出炉。

都是最聪明的大脑，最前沿的研究。而且大家看得出来，今年最大的赢家是AI，被人称为“AI诺奖元年”。可是文科生如何理解这些最烧脑的前沿科学呢？

推荐《给孩子的科技周刊》主讲人吴京平老师的解读。文章略长，但最核心的原理讲解得很形象，欢迎码住，收藏阅读。

01

诺贝尔生理学或医学奖他们让我们重新认识基因调控

首先介绍诺贝尔生理学或医学奖，这一次颁发给了microRNA，也叫做微小RNA。可能有小伙伴听说过mRNA，千万别搞混了。mRNA全称叫信使RNA，这两个不是一码事，但是关系紧密。

这一次获奖的是维克多·安布罗斯和加里·鲁夫昆，以表彰他们“发现microRNA及其在转录后 基因调控中的作用”。这是啥意思呢？别急，听我慢慢说。

我们都知道，每个细胞核里的染色体里面都有长长的DNA链条，这些DNA就像互相咬合的拉链一样，是个双链结构。这根长长的链条包含了人体所有的遗传基因，是最重要的遗传物质。我们人体长成什么样子，拥有什么样的器官，每个器官有什么功能，全部都是由基因决定的。DNA双链就是生物体的建造图纸。

那么，生物体是如何被建造出来的呢？其实就是根据DNA里面的基因来制造蛋白质。蛋白质的种类异常丰富，可以实现各种各样的功能，我们的肌肉就是由蛋白质构成的，血液里面也有血红蛋白。各种用来催化的酶，也是特殊的蛋白质。这些蛋白质就是组成我们人体最重要的一种零部件。

生物体是如何根据基因来制造蛋白质呢？首先需要一个解开DNA拉链的拉链头，这东西叫做RNA聚合酶，这东西抱住DNA双链，在自己的肚子里面拉开拉链，让互相咬合的两条DNA链条局部张开，拉链的牙齿就互相分开了。然后聚合酶就开始根据张开的这几个牙齿，一对一的复制一个新链条，拉链头一边拉动，一边复制。很快就可以复制出一个小的基因片段。这个片段就叫做“信使RNA”，缩写是mRNA。

拉链头拉过以后，DNA双链恢复如初。又变成了互相咬合的双链结构。这里就没它的事儿了。新造的那个mRNA还需要进一步的处理。这个基因片段里面有一些部分是负责制造蛋白质的图纸，另外有一些片段不是，这时候有特殊的蛋白质来把用不上的片段裁掉，把用来制造蛋白质的部分接在一起，形成裁剪好的mRNA模版。

小小的细胞就是一个极其复杂的化工厂。各种各样的蛋白质都在各司其职。细胞核里有专门的蛋白质会抱住修理好的mRNA穿出细胞核，送给核糖体，核糖体利用这个mRNA模版来制造新的蛋白质。

△基因调控使得不同细胞能够从相同的基因组中获得各异的基因表达（图片来源：瑞典皇家科学院）

这个过程不是蛮顺利的嘛。但是事情不是这么简单的。细胞里还存在一些非常短小，长度只有18~25个牙齿的微小RNA片段，也就是我们所说的microRNA。它们在到处飘来飘去。这东西和mRNA相比，小得不能再小了。mRNA的链条长度怎么也得成千上万。但是吧，这个非常微小的链条片段万一和mRNA上的某一段匹配，这东西就会和mRNA片段咬在一起。

于是呢，这段mRNA就变得很诡异。一根长长的单链。一个个牙齿都是空着的，唯独中间一小段是个双链，有那么几个牙齿被咬上了。这个链条就没法用了。于是蛋白质的制造过程就会出问题。要么，这段mRNA就被当做废品溶解了。要么只制造出来的蛋白质不是想要的。反正，这就等于这个基因起不了作用。

这个作用机理是怎么被发现的呢？上个世纪80年代，安布罗斯和鲁夫昆正在研究一种长度仅仅1毫米的蛔虫，叫做秀丽隐杆线虫。尽管体积很小，秀丽隐杆线虫拥有许多特殊的细胞类型，比如神经和肌肉细胞。所以这东西就成了做实验的好材料。他们在这些线虫之中发现了两个突变的基因，一个叫lin-4，一个叫lin-14。似乎这两个突变犯冲。lin-4似乎是lin-14的负调控因子，只要有了lin-4，lin-14就不管用了，表达不出来。

后来他们发现，lin-4基因产生了一个非常非常短的RNA分子，这么短的RNA是不可能编码蛋白质的。说白了就是这个图纸太简单，按照这么简单的图纸造蛋白质肯定不对。

既然这个东西不是造蛋白质的。那么它是干啥用的呢？于是这两位科学家就开始深入研究。最后发现了我们前面所说的那一大串内容。原来这个微小的RNA片段是用来使得某些基因表达不出来的，也就是诺奖颁奖词里说的“基因调控作用”。成果是1993年发表在《细胞》杂志上的。

△图片来源：诺贝尔生理学或医学委员会。插图：Mattias Karlén

基因调控有啥用呢？

其实很好理解，我们身上每个细胞里面都有一张完整的基因图纸。我们这么大一个活生生的人，也是从一个受精卵逐渐分裂复制而来， 如果没有调控机制，每个细胞都是一样的， 细胞的功能就不会分化。建造一个复杂的生物体，总要有各种各样不同的细胞才行，也需要有各种各样复杂的蛋白质。建造一种特定的细胞，肯定是这张全图的一部分在发挥作用，其他部分不起作用。所以，基因的表达一定是需要某种调控机制的。你负责建造楼梯，那你就只看建造楼梯的图纸，其他部分你就不用看了呗。

人体的基因调控机制非常多样，也非常复杂。microRNA只是其中的一种。现在，科学家们已经发现了上千的microRNA基因了。microRNA对于基因的调控在多细胞生物之中是个普遍现象。正因为这是一个底层规律，所以安布罗斯和鲁夫昆的贡献非常重要，因此获得诺贝尔奖也是实至名归的。

02

诺贝尔物理学奖他们让机器拥有深度学习能力

这一次的生理学或医学奖还是中规中矩。物理学奖就显得有点离经叛道了。美国科学家约翰·霍普菲尔德和加拿大科学家杰弗里·辛顿获得了2024年的诺贝尔物理学奖。表彰他们“通过人工神经网络实现 机器学习的基础性发现和发明”。

我同时观看了好几场直播。与中科院物理所的，有科学网的。这结果完全出乎大家的预料。现场的人都是一头雾水，只能在那里尬聊。因为嘉宾全是研究物理学的，人工智能他们虽然也经常接触，但是毕竟不是业内人士。他们只好拼命在朋友圈里摇人。其实朋友圈里也是各种舆论都有，很多人都惊呼“物理学不存在了！”。

说起这事儿还真是很久很久以前了。霍普菲尔德1982年提出了一个霍普菲尔德网络算法，发表在了美国国家科学院院刊上。辛顿是在霍普菲尔德的基础上开发出了一个新算法，叫“玻尔兹曼机”。这些东西在进化速度非常快的计算机领域来讲，几乎就是“上古神兽”。开天辟地的意义很大，但是非常原始粗糙。但是不得不承认，现在的神经网路、大模型之类的东西，都是这种上古神兽的子孙后代。同样如今在业内混的风生水起的一票人工智能大佬，也都是辛顿的徒子徒孙。

你要说，他们对人工智能算法做出重要贡献。推动人类进步这都不为过。但是，这东西跟物理学有半毛钱关系？说实话，这一次有很多人的脑子转不过弯儿来。就连获奖者辛顿在接受电话采访的时候也说自己根本没想到，估计以为是骚扰电话呢。想想也是，这事儿谁能想到呢。人工智能要按照大类，怎么也算是数学的延伸吧。怎么能算是物理学呢？

你别说，还真有关系。

霍普菲尔德网络是用来保存和重现数据用的。人家霍普菲尔德在描述的时候，类比为物理学里的磁性。每个原子都像一个小陀螺一样在旋转，都像一个小磁针一样是带有磁性的。霍普菲尔德网络描述的东西，可以类比于物理系统之中自旋的能量。这东西和物理学沾边。

当然，这东西还可以用电路图来表示，画成若干个节点，每个节点是一个放大器，还有若干的电阻电容。每个节点有输入有输出，也是会互相影响的。你看，这个表述方式还是很物理的。

但是，其实这个东西真正类比的是生物学，是人的神经系统。大脑的神经网络是有神经元组成的，神经元之间可以通过突触互相发信号，当我们学习东西的时候，一些神经元之间的联系会变强，另一些会变弱。 所谓的神经网络算法，其实就是在用电子方式模拟一大堆神经元的工作方式。这种人造的神经元，你类比成放大器+电阻电容也行，你用程序编码也行，类比成磁性或者原子自旋，都无所谓。背后的模型算法都差不多。

△ 图源：诺贝尔物理学奖官网

这种神经网络的算法是非常复杂抽象的，我们就不介绍具体算法了。这么说吧，早期的神经网络算的是非常消耗资源的。这就像是盲人走迷宫。往往是连撞了好多回南墙，走了很多冤枉路，才找到那个正确的出口。我们如果采用物理学的办法，让流水自己去找出口呢？那不是快很多嘛。

为啥水一定会找到这条路呢？因为水往低处流，这叫“能量最低原理”。水总是往能量最低的状态去变化，啥叫能量最低呢？就是流进下水道嘛。同样，我也很喜欢能量最低态。站着重心偏高，坐着人的重心就降低了，当然啦，这都比不上躺着，躺着重心最低，势能最小。所以我就喜欢躺着不起来嘛。

总之，一个系统，总是喜欢跌落到能量最低状态，一直到跌无可跌为止。山崖总是会塌方，雪山总是会雪崩。一箱子杂物，你晃一晃，这些杂物总会排列的更加紧凑，空隙更少。这些现象都是能量最低原理的体现。

霍普菲尔德网络，你可以理解为高低起伏的山包。这些高低起伏都是神经网络的参数决定的。所谓的训练神经网络，就是放进一大堆小球，你不用操心，这些小球会自己去寻找能量最低的点，最后一定会掉进一个个坑里不出来了。

当然啦，这个模型并不一定只有一个能量最低态。也就是说不止一个坑。每个坑只是局部能量最低态，不是全局能量最低态。所以，很有可能算到一半卡住了，输出结果不正确。

△霍普菲尔德网络训练可能产生的误差

这个问题是被辛顿解决的，他设计了一个玻尔兹曼机。

玻尔兹曼是统计力学方面的大佬。比如气体分子这样一大群微小粒子，就只能用统计方式进行描述。在重力作用下，一大群气体分子会呈现出什么状态呢？气体分子可不像小球那样会老老实实蹲在坑里不动。它们时时刻刻都在做无规则的热运动哦。我们得加一个温度作为参数。温度越高，它们动得越厉害，温度越低越老实。

和前面的霍普菲尔德网络结合在一起，小球变成了气体分子。在引力作用下还是会往低处流，寻找能量最低态。但是，局部能量最低态拦不住它们，只要温度合适，它们总会从这个半山腰的坑里蹦出来。最终落到那个最低的坑里。

到现在为止，哪怕是ChatGPT这样的大模型，依然有温度的概念。你要AI激进一点，更有创意，那温度就要高一点。你要想结果四平八稳，那就温度低一点。当然啦，参数可能不叫这个名字，但是本质是一样的。

由此我们也看得出算法上的某种传承。如今的神经网络和大模型，比这两位老爷子的古早算法强了不知道多少数量级了。但是这扇大门是这二位打开的。

他俩的成果发表了以后，根本没人理他们，大家对这种神经网络算法都不感冒。辛顿能成为这个行业的祖师爷是因为只有他头铁，硬是在这个领域坐了30多年冷板凳。带出的徒子徒孙也不多。谁知道后来这个研究方向竟然这么火爆，他们的坚守是值得的。

当然啦，为人工智能算法做出贡献的人还有很多。但是这已经不是诺贝尔物理学奖能照顾到的，你多少还要和物理沾边吧。这二位起码是沾边的，其他人就距离太远了。

03

诺贝尔化学奖他们带来了蛋白质结构预测和设计自己的蛋白质

不过呢，也不要紧，拿不到物理学奖，可以拿到化学奖嘛。这一次的诺贝尔化学奖的得主是三位，大卫·贝克获得一半的奖金，因为他的团队制造出了此前自然界不存在的蛋白质结构。

另外两位获奖者是德米·哈萨比斯和约翰·江珀。他们俩来自于大名鼎鼎的DeepMind。他们设计的人工智能程序AlphaFold能够以极快的速度预测出蛋白质的3维折叠方式。因此分享了另外一半诺贝尔化学奖，每人四分之一。

有关这个DeepMind，我们介绍了也不是一次两次了。下围棋的AlphaGo就是他们公司的产品。

△

1988年，12岁的哈萨比斯丨Marc Aspland

要知道蛋白质是一长串氨基酸组成的链条，这个链条在三维空间里如何折叠，其实和蛋白质的性质关系很大。要想了解到蛋白质的分子空间结构，过去只能用X射线衍射的办法。这个办法曾经在1962年就获得过诺贝尔化学奖。

后来呢，科学家们发明了冷冻电镜，可以用这个东西来研究蛋白质的结构。效果比X射线衍射要好得多。冷冻电镜在2017年也获得过诺贝尔化学奖。

但是不管怎么说，你要研究某种蛋白质的结构，只能一个个来，每种蛋白质，提取出来以后弄到冷冻电镜上看一看，拍下一大堆照片来分析三维结构。这个效率依然很低。

就这样，科学家们辛辛苦苦的干体力活，终于攒下了一大堆蛋白质的结构数据。但是这也只是人体蛋白质的一小部分。那有没有快一点的办法呢？也是有的，那就是靠猜嘛。但是计算量大得吓人。比如说一个蛋白质是由100个氨基酸组成的。那么这个蛋白质可能存在的折叠方法大约是10⁴⁷这么大，这简直是个天文数字。

那么能不能用计算机程序来解决这个问题呢？国际上还真有一个比赛叫CASP。每年科学家们都会利用其他方法获得一些新的蛋白质结构，先不公布答案，让各家程序员们用自己写的程序去预测一下这些蛋白的结构，看谁猜得准。

CASP连续办了十几届，各家程序员接连翻车，根本测不准，准确率只有40%。但是一位大神的出场掀起了一场革命。这位就是DeepMind的老板哈萨比斯。2018年他报名参加了第13届预测蛋白质结构的比赛。

2018年是个什么年代啊。2016年，AlphaGo以4:1击败了李世石，从此人类几乎就没赢过计算机。2017年，柯洁在AlphaGo面前是眼泪汪汪的，他是一盘都没赢。

下棋毕竟只是娱乐，不是生产力。到了2018年，DeepMind把目标对准了科学界的难题蛋白质折叠。利用人工智能算法，利用以前科学家们辛辛苦苦获得的已有数据进行训练。他们推出的程序AlphaFold一出手就达到了60%的正确率，但这还远远不够。及格线是90%，这距离实用还差得远呢。

这时候，江珀作为新员工加入了DeepMind，他一来就立刻带来了改观。他们利用最新的神经网络算法改进了AlphaFold，推出了2.0版本。这个版本表现出的能力不亚于X射线晶体学，而且速度很快。困扰了生物学界和化学结50年的难题，由此迎刃而解。

这次获奖的另一位科学家贝克设计的Rosetta的程序也曾经参加过1998年的CASP，他出道比DeepMind的这二位要早得多。他后来走向了一条相反的道路，他关注的不是预测现有蛋白质的结构，而是人工设计和制造世间不存在的新蛋白质结构。他写的那个Rosetta程序可以帮助他设计蛋白质。

2003年，贝克发表了他的成果，他真的制造出了一个叫做Top-7的蛋白质，这东西具有93个氨基酸，通过X射线晶体学的分析，这个蛋白的结构和他们的原始设计完全相符。

如今，AlphaFold2已经创建了2亿个蛋白质结构数据，而且还创建了一个开放的数据库，供大家查询。贝克在2020年也利用最新的神经网络算法增强了他的Rosetta程序。最近几年，他在实验室里创造出了一个又一个令人难以置信的蛋白质。

没有蛋白质，生命就无法存在，我们现在可以预测蛋白质结构并自己设计蛋白质，所以这三位的贡献有多重要也已经不言而喻了。他们获得诺贝尔化学奖可以说是实至名归。

04

最大赢家是AI

好了，到此为止，我们已经介绍完了2024年诺贝尔奖的自然科学奖项。大家也看得出来， 这一次最大的赢家其实是AI。

我们或许可以说，物理学奖有点蹭热度的嫌疑。但是，这也是没办法的事情。当年诺贝尔老爷子要是设立个数学奖，也就不至于这么麻烦了。可惜没有啊。面对新技术新手段，你总得找个理由把它塞进去。

我们仔细研究诺贝尔奖的历史，会发现，诺贝尔奖之所以有这么大的名气，这么高的地位，跟物理学的革命是分不开的。诺贝尔本人其实是个工程师，他本来是为了奖励每年产生的新技术新发现。但是因为正好赶上量子力学和相对论革命，这个奖项也就果断的调头蹭热度。和20世纪早期的那些物理学大师开始了一段相互成就的历史。大师们因为获得诺奖而光荣。诺奖也因为颁发给大师而凸显了地位。

到现在，诺奖基本上变成了一个终身成就奖。获奖者多半已经七老八十了。这和当年诺贝尔的初衷已经相去甚远，要想长盛不衰，就得与时俱进。不改变是不行的。

现在， 科学的发展又一次进入到了新时代。人工智能的出现必定会带来新的研究工具和范式。诺奖也必须主动去追逐这个新的潮流，没办法，这是大势所趋。我想这一次就是诺贝尔奖的一次试水吧。

▼

加入《给孩子的新闻周刊》

国内+国际+商业+科技

培养孩子的大视野、大情怀

让孩子学会思辨

这件事越早开始越好