1.对人脑电信号传递的认识——诺贝尔物理学奖
2024年诺贝尔物理学奖授予John J. Hopfield和Geoffrey E. Hinton, 因为他们通过人工神经网络实现机器学习。机器学习目前有两种路径，其一是机器以机器的方式自主生成算法，其二是给机器赋予人工算法。很显然，前者潜力更大。Hinton也是前一种理论的开创者。
Hinton是一位心理学家，跨界解决了计算机行业的问题。因为机器学习正在模仿人脑计算的方式，他的学生Ilya Sutskever运用他的理论成为Open AI主要的创立者之一。Open AI的一位首席科学家曾经写过一本书《为什么伟大不能被计划》，详细阐述机器学习的逻辑：让机器在独立不断试错中总结方法，找到提高效率和达到目标的路径。所以大数据是非常必要的。在机器学习的实验中，哈佛大学的心理学教授B.F. Skinner也功不可没。他提出的实验方式，反馈和结论的过程，原本是用人类的行为研究意识（Consciousness), 但是刚好也用于机器学习。这种方式另一个结果是：算法公司变得边缘化。Nvidia的GPU决定集成哪种算法以及自己在研发算法。两种理论殊途同归，传统的软件公司生存会越来越艰难。
图：Open AI创始人写的关于机器学习原理的书
图：哈佛教授斯金纳“新行为主义”的书
Hinton具体的学术贡献是用阿秒光脉冲的实验方法，用于研究物质中的电子动力学。人脑中信息的传递主要是化学传递和电传递。心理学关于人类大脑的研究，在电信号监测设备之前，都是通过fMRI来追踪意识流的变化，但是这有时间滞后性，而人的意识瞬息变化。Hinton研发出的电子动力学的方法，让人类对意识的监测更实时，模型也更准确。从而也促使了EEG(electroencephalography sensors)和MEG(magnetoencephalography)的诞生。心理学研究因为监测设备的进步而突破了对传统意识的见解。
图: 摘选自书《Seeing the Mind》
图：在哈佛大学书店买的心理学研究工具的书《Seeing the Mind》
2.AI带来的生物医学革命——诺贝尔化学奖
Deepmind创始人之一Demis Hassabis与AlphaFold的创始人John Jumper, 还有蛋白质设计师David Baker因为在蛋白质结构上预测和设计上的成就分享了2024年诺贝尔化学奖。
蛋白质是支撑人体生命活动的基本物质。有20种氨基酸呈念珠状连接成三维形状。形状决定功能。以前是通过实验来完成，因为蛋白质结晶很困难，所以要用昂贵的电子显微镜，以及耗费数月才能完成，也不一定准确。而AlphaFold2能直接预测蛋白质的结构并虚拟生成，准确率提高了一倍。在药物研发上，原来的新药研发周期包括三期临床近10年，现在可以在虚拟细胞上进行实验，时间缩短一个数量级。
蛋白质动力学也是英伟达CEO黄仁勋在今年的演讲中提到的最有前景的未来学科之一。
3.AI的其他前景
1）阿尔兹海默症的治疗
AI是人脑研究的里程碑，但是它的终极目标还是为人的需求服务。神经科学在Hinton的工具进步基础上发现了人脑更多的秘密：人脑中有神经干细胞，可以终身生成新的神经细胞，但是如何促进它生成，而不是让神经突触逐渐衰减而形成“阿尔兹海默症”，是一个有可能性而正在研发的问题。
2）AI+人体生物学=健康饮食
目前有很多人体健康和疾病学的突破，认为癌症、三高、皮肤病等都是因为炎症导致的，而炎症是因为肥胖、心理压力等因素造成的。会不会有一种仪器能监测人体内的必要的营养元素，根据人的个体需要和季节变化，为人推荐特定数量和品种的饮食？避免肥胖症？可能比二甲双胍更有效而没有副作用，减轻各国医保负担。
图：日本医生写的《抗炎生活》
3）AI的心理调节
心理疾病，如抑郁症等，因为个人不愿意面对治疗而又很多贻误。基于AI平台的抑郁症自我疗法，如ACT等在美国犹太州大学等正在尝试运行。当然，心理学与神经科学的结合正在这一领域努力耕耘。
4.问题
美国心理学之父威廉·詹姆斯在他的书《心理学原理》中，已经阐述了一个实验发现: 人大脑的电信号和化学信号的传递都不是走捷径的。经过100多年来，心理学家对于Consciouness（意识）的研究，发现有两个原因：1）生存需要，人的主要器官是大脑，人的四肢、脏器等的存在和布局都是为了大脑的生存和持续。大脑本身的结构也是这么进化的。这就为非生物的机器学习本身提出了问题。2）人是有价值观的，受地域环境影响。那么，价值观究竟应该如何选择？还是机器不要价值观？这种价值观，会使人做出非理性而最终正确的选择。
图：威廉詹姆斯《心理学原理》
图：在杜克大学书店买的最新的Consciousness研究的书
生物学的生存需要而扭曲逻辑直接的效率，让机器学习与人性的特点相一致？还是在某些请境内不用一致？这是个问题。
