中国学者对今年的诺贝尔化学奖和物理奖颁发给人工智能领域的重大创新者存在不同看法，这与通常关注基础科学的做法背道而驰。一些人认为它认识到人工智能在科学研究中的重要作用，而另一些人则认为人工智能尚未提供任何开创性的新理论。
今年的诺贝尔化学奖颁给了谷歌人工智能研究实验室 Deepmind 的联合创始人兼首席执行官 Demis Hassabis 和 Deepmind 总监 John Jumper，以表彰他们在开发 AlphaFold 方面所做的工作，AlphaFold 是一种根据氨基酸序列预测蛋白质 3D 结构的人工智能工具。它与华盛顿大学医学院生物化学教授大卫·贝克分享了他在计算蛋白质设计方面的工作。
诺贝尔奖委员会表示，Deepmind 的工作“增强了我们对生物分子的理解和能力”。
华大基因旗下科普教育平台 iBOWU 的联合创始人 Leng Zhe 说，这是当之无愧的诺贝尔奖，因为 DeepMind 颠覆了蛋白质结构不可预测的刻板印象。他补充说，这标志着生命科学领域飞跃的开始。
AlphaFold 成立仅三年，诺贝尔奖往往偏爱成熟且造福人类的研究成果，科普账户 Biokiwi 的负责人、遗传学家吴海旭说。虽然蛋白质的人工智能预测和设计取得了重大突破，但其应用尚未完全实现，生物制药的开发周期很长。
诺贝尔物理学奖授予 AI 先驱 John J. Hopfield 和 Geoffrey E. Hinton，以表彰他们在使用物理学训练人工神经网络方面所做的工作，为机器学习奠定了基础。
理论物理学家刘一安说，在基础科学方面，人工智能并没有提供新的开创性理论。诺贝尔奖的颁发在很大程度上是一种鼓励。
“我们这个时代的主流是人工智能，所以它的高度突出并不罕见，”华南理工大学物理系学者姚瑶告诉《第一财经》。如果传统领域不再能够产生与过去相媲美的有影响力的应用，那么是时候扩大这些学科的范围了。
“诺贝尔奖委员会可能认为，未来将人工智能整合到基础科学中是不可避免的趋势。AI 是一个跨学科领域，涉及数学、物理学、计算机科学和其他领域。未来，诺贝尔奖也可能颁发给此类跨学科领域的成就，“刘一安说。
中国科学院生物学家刘耀文说，生物学家需要认真审视人工智能等技术在他们领域的重要性，并做出相应的调整。这个诺贝尔奖的成果可能意味着生物学发展的加速。
“这只是人工智能深远影响的开始，”斯坦福大学以人为本的人工智能研究所和斯坦福视觉与学习实验室的联合主任李飞飞说。
