2024年のノーベル賞は、人工知能と機械学習に直接関連する業績が、同じ年に2つの異なるノーベル委員会によって初めて表彰されたことを示し、その結果はこの分野に対する科学的な正当化の一形態として広く受け止められた。ノーベル物理学賞は、ジェフリー・ヒントンとジョン・ホップフィールドに、人工ニューラルネットワークに関する基礎的研究が授与され、ノーベル化学賞は、デミス・ハサビス、ジョン・ジャンパー、デビッド・ベイカーに、タンパク質の構造予測と設計に関する業績が授与された。
物理学賞
物理学賞は、1982年のホップフィールドネットワークの開発、すなわち統計物理学の考え方を取り入れた初期の連想記憶ネットワークの形態、およびヒントンがその考え方を基に展開したその後の研究、具体的にはボルツマンマシンや、その後のバックプロパゲーションと深層学習全般への貢献を表彰した。この選考は、表彰された業績が従来の物理学よりもコンピュータ科学や機械学習に近いものであったため、いくつかの公の議論を呼んだが、ノーベル委員会は、これらの貢献を情報処理に応用された物理学的手法に根ざしたものとして位置づけた。ヒントンは、高度なAIによるリスクについてより自由に発言するために2023年にGoogleを離れており、ノーベル講演やその後の公の発言で、AI安全性と制御喪失への懸念を繰り返し表明した。
化学賞
化学賞は、2つの関連する業績を表彰した。すなわち、ベイカーによる新規タンパク質の計算設計に関する研究と、Google DeepMindで主導されたAlphaFoldプロジェクトである。このプロジェクトでは、デミス・ハサビスとジョン・ジャンパーがAlphaFoldを開発した。これは、アミノ酸配列からタンパク質の三次元構造を、構造生物学における長年のグランドチャレンジとされてきた精度で予測するシステムである。AlphaFoldの予測結果と関連する公開データベースは、創薬から酵素設計に至るまで、生物学と医学全体の研究を加速させたと評価され、AI自体の外部にある問題への深層学習の大規模な科学的応用として最も具体的な例の一つとなった。
意義
この2つの賞は、かつてニッチで、時には周辺化された下位分野であり、複数のAIの冬を乗り越えてきたニューラルネットワーク手法が、物理学に隣接する計算科学と生物学を横断して、現代科学の中心的存在となったことへの認識として広く解釈された。コメンテーターたちは、高度なAIによる実存的リスクを真剣に受け止めることを提唱する主要な論者であるヒントンと、この分野で最も著名な商業研究所の一つを率いるハサビスが、同じサイクルで表彰されたことの象徴性に言及し、この分野の科学的威信と未解決の安全性に関する議論が同時に存在することを示していると指摘した。また、この受賞は、計算手法が自然科学における発見をますます牽引する時代において、伝統的なノーベル賞のカテゴリーの境界線についての公の議論も再燃させた。