人工智能（AI）發展速度持續超出市場預期，相關技術正迅速由應用層面滲透至基礎科學領域。OpenAI 首席研究官 Mark Chen 近日更提出一項頗具前瞻性的判斷：人工智能有機會在未來兩年內實現足以奪得諾貝爾獎級別的科學突破。此觀點雖顯進取，但若從近年 AI 在科學研究領域的實際應用來看，並非缺乏理據。

回顧 2024 年，Google DeepMind 憑藉 AlphaFold 在蛋白質摺疊問題上的重大突破，協助科研人員奪得諾貝爾化學獎，標誌著人工智能正式由「工具」走向「科研夥伴」。這一里程碑亦令業界開始思考：AI 是否有能力主導科學發現，甚至成為科研流程的核心角色。Mark Chen 正是在此理論下，提出 AI 將邁向「自主科研」的新階段。

所謂自主科研，並非單純加速數據分析，而是讓大型語言模型及推理系統，具備由提出假設、設計實驗，到分析結果的完整能力。OpenAI 內部所構想的三年發展藍圖，更是希望 AI 最終可以「端到端」完成整個研究流程。若此一目標實現，科研模式將出現結構性改變，甚至顛覆現有學術體系。

從技術角度而言「擴展定律」（Scaling Laws）仍是推動 AI 能力持續提升的關鍵。只要持續增加數據量與運算資源，AI 模型的能力便可穩定提升。Mark Chen 指出，這一規律至今仍然成立，並已跨越近十個數量級，顯示現階段 AI 技術仍未觸及天花板。換言之，未來數年內 AI 能力出現跳躍式增長，並非不可能。

然而，要達至真正的 AI 科研突破，仍需突破若干瓶頸，其中便是「長期記憶」與「持續學習」（Continual Learning）。現時大多數 AI 系統仍缺乏跨任務、跨時間的記憶能力，無法像人類研究員般累積經驗與知識。這亦限制了 AI 在長週期科研項目中的應用。

此外，「AI 代理」（AI Agents）的發展亦備受關注。與傳統聊天式 AI 不同，AI 代理可在較長時間內自主執行任務，並進行多步推理與決策。若配合長期記憶技術，AI 代理將有機會成為真正的「數碼科學家」，在藥物研發、疾病分析以至材料科學等領域發揮關鍵作用。

當然，這場 AI 科研競賽並非 OpenAI 獨腳戲。Google DeepMind 早已憑 AlphaFold 建立領先優勢，而其他科技巨頭亦積極投入相關研究。隨著 AI 逐步由應用層面走向基礎科學，科技公司之間的競爭亦將延伸至「誰能率先用 AI 改寫人類知識邊界」。未來數年 AI 與科學研究的結合，將成為全球科技競爭的核心戰場之一。

若 AI 最終實現諾貝爾獎級成果，其影響將不僅限於技術層面，更涉及創新定義、學術制度及倫理規範的全面重構。當 AI 不再只是輔助工具，而是具備獨立科研能力的系統，現行的學術制度、知識產權甚至倫理框架，都需要作出相應調整。在此過程中，即使短期內未必出現標誌性獎項突破，但由 AI 驅動的科研範式轉變已經展開，並將在未來數年持續深化。

Francis Fong 方保僑

方保僑先生於資訊、通訊、科技及電子消費品市場工作超過二十年，引入過不少新科技產品，並創辦多個業界組職及為多個非營利機構擔任委員提供專業意見。現任香港資訊科技商會榮譽會長、香港互動市務商會創會及榮譽會長、香港消費電子產品聯盟創會會長、電子學習聯盟創辦人、世界資訊通訊與服務業聯盟董事、電訊事務管理局辦公室電訊規管事務咨詢委員會成員、運輸署智慧交通基金管理委員會委員、樂施會香港及樂施會澳門董事會成員、香港小童群益會資訊科技委員會委員、香港紅十字會資訊科技委員會成員，仁愛堂堂務行政委員會外界委員等。