20世纪50年代初，英国数学家、人工智能（AI）和计算机科学的奠基者艾伦·图灵就曾预言：“一旦机器开始以人类思维的方式运作，它们很可能会在不久之后超越我们微弱的能力。”事实上，自2023年以来，AI已经在诸多领域展现出与人类匹敌的创造力。人们在欣赏诗歌、研读论文或观看视频时，往往难以区分其创作者究竟是人类还是AI。这表明，AI不仅具备模仿能力，也拥有创造潜能。

那么，AI是否也能创造出足以获得诺贝尔奖的成果呢？这一设想，被称为“诺贝尔图灵挑战”或“新图灵挑战”。新图灵挑战由索尼计算机科学实验室总裁兼首席执行官北野宏明于2016年提出。他设想，如果未来能够研发出一种AI系统，它不仅具备自主提出问题和设计研究方案的能力，还能完成足以与人类顶尖科学家比肩的原创性研究，并最终赢得诺贝尔奖，那么就可以认为它成功完成了新图灵挑战。

要理解这一问题，我们需要回到70多年前的图灵测试。1950年，图灵在论文《计算机器与智能》中提出了一个著名的思想实验—“模仿游戏”（后来被称为图灵测试）。实验的核心并不是让机器证明自己像人类，而是通过一次纯文字的对话，让提问者在有限时间内判断自己面对的是人还是机器。图灵在文中提出一个预测：如果未来的机器在5分钟左右的交流中，能让约30%的提问者误以为它是人类，那么人们大概会愿意承认它具备了思考的能力。

虽然此后有AI在特定条件下通过了图灵测试，但这种“通过”从未获得广泛认可。人们依然能辨别出哪些内容出自AI，哪些源于人类之手。不过，现在AI研发领域的竞争非常激烈，产品迭代速度极快，一些AI工具已经发展到能够半独立地研发产品、开展科学研究的程度，而这些产品的质量往往足以媲美人类的创造，有些科学研究成果的价值甚至已经获得了诺贝尔奖评委会的关注。

此外，新图灵挑战与图灵测试也有本质差别。图灵测试考察的是机器能否在对话中伪装成人类，其中情感、语气、共情等因素起到重要作用，而新图灵挑战并不guHhuIuL8TuuEdiFBVc22fZddakG4uI7uysFT8ngges=涉及这些因素，它只关注AI能否在自然科学、社会科学与文艺创作上达到人类所及的最高水平。

事实上，AI创造的成果在未来的某一天获得诺贝尔奖并非全然空想。在许多研究者看来，这只是时间问题。

就在两年前，与AI密切相关的科研成果已经获得了两项诺贝尔奖。2024年诺贝尔物理学奖授予约翰·霍普菲尔德和杰弗里·辛顿，以表彰他们在人工神经网络方面的奠基性贡献，虽然获奖者为人类，但其研究与AI直接相关。同年的诺贝尔化学奖获奖者，则是直接利用AI对蛋白质三维结构的预测和设计全新蛋白质的能力，在该领域取得历史性突破。从这个意义上说，2024年的诺贝尔化学奖既属于人类，也属于AI。

不过，新图灵挑战对AI的要求非常明确而苛刻。它强调，研究工作必须百分之百由AI独立完成，从提出创意、设计方案，到模拟实验、数据分析，再到最终成果的生成，全程不能有人类参与。尽管标准如此严格，越来越多的研究仍然显示，在某些领域，AI已经具备独立研发产品或发现新知识的能力，甚至已逐渐逼近挑战成功的临界点。

最近，美国斯坦福大学生物医学数据科学副教授詹姆斯·邹带领的研究团队构建了一个模拟现实实验室架构的虚拟实验室。在这个由多名虚拟的AI科学家组成的团队中，有一位AI科学家担任首席科学家，负责统筹研究；其余AI科学家分别为不同学科的专家；同时，还设立了一位专门负责挑剔与质疑的AI监管者。研究者提出科学问题后，AI首席科学家自动分析研究所需的知识结构，组建起由免疫学、计算生物学、机器学习等多学科AI专家组成的虚拟团队，并由AI监管者提出潜在漏洞和修正建议。

与传统实验室相比，虚拟的AI实验室更加高效。邹的团队为了测试AI团队的能力，提出了一个现实中极具挑战的问题：为新冠病毒设计一种新型疫苗方案。经过讨论，AI团队放弃了传统抗体路线，转而尝试体积更小、结构更稳定的纳米抗体。AI团队给出的理由是，纳米抗体的分子结构更简单，更易得到精准的计算建模预测结果，能更好地评估其与病毒蛋白的结合方式。

随后，AI团队设计出一种全新的纳米抗体。邹的团队将这一抗体带入现实实验中，结果显示，其结构稳定，结合病毒蛋白的能力强于现有实验室研发的抗体，而且能够同时结合新冠病毒的原始毒株和当前流行毒株，具备研发广谱疫苗的潜力。虽然AI团队具有高度自主性，但邹的团队仍然对AI科学家之间的每一次沟通与决策进行了监督与记录，不过这种人工干预不足1%。

如果未来这一抗体能用于制造广谱的抗新冠病毒疫苗，并在实际应用中展现出显著效果，那么理论上这项研究就具备冲击诺贝尔奖的潜力。然而，在这项研究中，人类仍对部分环节进行了干预。

与此同时，许多研究者对AI是否能够真正独立完成复杂的科学研究仍然持保留态度。AI的自主研究流程仍存在许多难以克服的挑战。有研究指出，虽然某些AI系统在特定实验任务中可以达到约70%的成功率，但一旦需要完成从提出原创想法、设计实验路线到执行实验、分析数据并撰写完整报告的整套科研流程，其整体成功率便可能骤降至约1%。

因此，更多研究者倾向于认为，未来更可能实现“诺奖级”突破的方式不是AI单独“作战”，而是人与AI的深度合作。真正的创新或许来自这种新的共研模式。

如果要问AI会最先冲击哪项诺贝尔奖，那么答案或许不是科学类奖项，而是文学奖。如今的AI大语言模型已经能够创作出大量内容流畅、结构完整、质量接近人类作者的作品，尽管风格中依然带有“AI痕迹”，但其创造能力已不容忽视。

【责任编辑】张小萌