四位与加州大学有渊源的科学家在本周清晨被一通难忘的电话惊醒，得知他们获得了来自瑞典皇家科学院的诺贝尔奖，这是他们一生的荣誉。诺贝尔委员会将于10月14日（周一）宣布最后一个经济学奖项。但截至目前的八位获奖者中，已有四位与加州大学有着深厚的联系。他们在医学、物理和化学领域都有重要贡献，这些科学家曾作为学生、研究人员或教职员工在加州大学度过了重要时光，受益于加州大学在开创性研究方面的传承，包括从诺贝尔奖得主同事那里获得的指导。自诺贝尔奖设立以来，加州大学的教职员工已获得71次诺贝尔奖。
今年获得诺贝尔奖的加州大学相关科学家包括：
Gary Ruvkun，生理学或医学诺贝尔奖，1973届加州大学伯克利分校校友
加州大学伯克利分校校友Gary Ruvkun在10月7日宣布获得2024年生理学或医学诺贝尔奖后，接受了多次电话采访。Ruvkun与马萨诸塞大学医学院的Victor Ambros教授共同分享了这一奖项，因为他们发现了微小RNA及其在动植物中调控关键基因活性的作用。微小RNA是遗传信息的小片段，在帮助细胞调控基因表达和控制蛋白质生产方面发挥着重要作用。
Ambros和Ruvkun在小型线虫C. elegans中的开创性发现出乎意料，揭示了基因调控的新维度，这对所有复杂生命形式都是至关重要的。根据诺贝尔委员会的新闻稿，Ruvkun和Ambros在麻省理工学院担任博士后研究员期间，在诺贝尔奖得主Robert Horvitz的实验室中相识。他们在80年代末和90年代初共同研究基因调控，使用小型土壤线虫C. elegans作为模型。他们的诺贝尔奖表彰了他们在C. elegans上的工作，这为研究多细胞生物组织如何发育和成熟提供了有用的模型。
Ruvkun在2011年接受《美国国家科学院院刊》（PNAS）采访时解释了他选择研究对象的理由：“发育生物学正在崭露头角，而线虫似乎足够小，可以以某种数字化的方式进行描述。”1993年，Ruvkun和Ambros在《细胞》杂志上发表了他们的第一篇关于微小RNA的发现，最终引发了一场科学革命。他们的研究影响了全球科学家，指导了癌症和糖尿病等疾病的研究。
“物理学在伯克利的教学方式更加启发性，”Ruvkun在2011年的PNAS采访中说。他在2008年获得拉斯克基础医学研究奖时曾表示：“我的本科物理学训练可能教会了我如何识别科学革命的早期迹象，而不是定量推理。”
David Baker，化学诺贝尔奖，1989届加州大学伯克利分校博士
加州大学伯克利分校博士毕业生David Baker分享了2024年化学诺贝尔奖。今年的化学诺贝尔奖由生物化学家David Baker获得，他在1989年在加州大学伯克利分校跟随分子与细胞生物学教授Randy Schekman完成了博士学位。Schekman于2013年获得了生理学或医学诺贝尔奖。Baker因其在蛋白质构建方面的研究而受到表彰。
“2003年，David Baker成功使用这些构建块设计了一种全新的蛋白质，这种蛋白质与其他任何已知蛋白质都不同，”诺贝尔奖委员会在颁奖时写道。“此后，他的研究小组不断创造各种富有想象力的蛋白质，包括可以用作药物、疫苗、纳米材料和微型传感器的蛋白质。”
在加州大学伯克利分校，Baker主要研究酵母中的蛋白质运输和蛋白质转运，这是Schekman获得诺贝尔奖的领域。
“他的能量、热情和才华彻底改变了我实验室的工作，使我们能够通过生化方法推进对蛋白质分泌机制的遗传分析，”Schekman说。“Baker的成功绝非偶然。他拥有创造力和自信，能够在实验室中创造奇迹。”
Baker现年62岁，获得了该奖项的一半，另一半由伦敦谷歌DeepMind的Demis Hassabis和John Jumper共享，他们开发了一种机器学习工具AlphaFold，可以预测任何蛋白质的三维结构。蛋白质的三维结构对其功能至关重要，但自1970年代以来，科学家们一直在努力理解蛋白质的氨基酸序列如何编码这种结构。2020年，Hassabis和Jumper开发了AI工具AlphaFold2的新版本。
“借助这一工具，他们已经能够预测研究人员已确定的2亿种蛋白质的几乎全部结构，”诺贝尔基金会表示。这项工作的潜力才刚刚开始在医学领域发挥作用。“生命离不开蛋白质。现在我们可以预测蛋白质结构并设计自己的蛋白质，这对人类带来了最大的益处，”诺贝尔基金会写道。
Geoffrey Hinton，物理学诺贝尔奖，加州大学圣迭戈分校博士后和访问教授
被称为“人工智能教父”的英裔加拿大科学家Geoffrey Hinton因其在人工智能领域的开创性工作获得了2024年物理学诺贝尔奖。Hinton与普林斯顿大学的John Hopfield共同分享了这一奖项，他因在ChatGPT等聊天机器人中使用的神经网络方面的基础工作而受到表彰。
“这些获奖者的成果已经带来了巨大的益处。在物理学中，我们使用人工神经网络在许多领域进行研究，例如开发具有特定性质的新材料，”诺贝尔物理学委员会主席Ellen Moons说。
Hinton的诺贝尔奖获奖工作在加州大学圣迭戈分校有根。他的学术渊源可以追溯到1970年代末和1980年代初在加州大学圣迭戈分校心理学系进行的博士后研究，当时他与一个跨学科的认知心理学家、语言学家和其他人团队合作，这个团队后来创立了世界上第一个认知科学系。
目前是多伦多大学教授的Hinton曾在1978年至1980年间作为访问学者在加州大学圣迭戈分校工作，然后在1982年春季再次以访问助理教授的身份回到该校。
“Geoffrey Hinton在人工智能领域的变革性工作获得诺贝尔物理学奖实至名归，”校长Pradeep K. Khosla说。“我特别自豪的是，他的学术旅程在这里的加州大学圣迭戈分校有深厚的根基，他在年轻学者时期进行了博士后研究和教学。”
Hinton在玻尔兹曼机（一种从物理学概念中提取的神经网络）方面的工作被诺贝尔奖委员会特别提及，这是他与加州大学圣迭戈分校和索尔克研究所的另一位关键人物Terrence Sejnowski共同开发的。Hinton和Sejnowski与David Ackley合著的一篇有影响力的论文《玻尔兹曼机的学习算法》于1985年发表在《认知科学》杂志上。
玻尔兹曼机引入了概率方法来理解学习和记忆，影响了AI模型在复杂数据中学习模式和关系的能力。“John Hopfield和Geoffrey Hinton因在1980年代开发神经网络模型的学习算法而获得最近的诺贝尔物理学奖。这一奖项还表彰了在过去40年中基于他们研究成果的整个研究社区，”Sejnowski说，他是加州大学圣迭戈分校生物科学学院和索尔克研究所的杰出教授。“今天在AI中的实际应用必须等到计算能力和训练数据大幅增加后才能实现。”
John Hopfield，物理学诺贝尔奖，前加州大学伯克利分校助理教授
除了Hinton，与加州大学伯克利分校有联系的科学家John Hopfield也分享了今年的物理学诺贝尔奖。Hopfield在1961年至1964年间担任物理学系的助理教授，之后离开前往普林斯顿大学，并从理论凝聚态物理学转向生物物理学。诺贝尔委员会称赞Hopfield创建了Hinton用于其研究基础的玻尔兹曼机。
现任加州大学伯克利分校物理学教授Marvin Cohen回忆起与Hopfield共事的时光。“他离开后，我接手了他的研究生，”Cohen说。“最终，他（Hopfield）转向了生物物理学。我记得曾试图劝阻他这样做。他在该领域做出了杰出的贡献，我相信他多样的背景为他被诺贝尔委员会认可的工作做好了准备。”
诺贝尔基金会提到他的“使机器学习成为可能的人工神经网络的基础发现和发明”。Hopfield与加州大学伯克利分校还有另一层联系：他的父亲John Joseph Hopfield是一名波兰移民，于1923年在伯克利获得物理学博士学位，导师是已故的Raymond Birge。老Hopfield是一名光谱学家，曾在加州大学伯克利分校担任讲师和助理教授，1928年离开前往柏林进行研究。他的儿子出生于1933年。
(全文结束)
