Nobelin kemianpalkinto myönnettiin merkittävistä saavutuksista proteiinien rakenteen tutkimuksessa. Palkitut olivat yhdysvaltalainen tutkija David Baker sekä brittiläiset tutkijat John Jumper ja Demis Hassabis panoksestaan ”proteiinirakenteiden koodin selvittämisessä”. David Baker sai tunnustusta menetelmien kehittämisestä täysin uudenlaisten proteiinien luomiseksi, mitä tutkijat olivat pitäneet lähes mahdottomana. Näitä uusia tekniikoita on hyödynnetty avaamaan uusia näköaloja biokemiassa ja lääketieteessä.
Toisaalta John Jumper ja Demis Hassabis kehittivät kehittyneen tekoälymallin proteiinien monimutkaisten rakenteiden ennustamiseen. Tämän neuroverkon perusta lanseerattiin jo vuonna 2020, ja se edustaa vakavaa läpimurtoa laskennallisessa mallintamisessa. Sillä on laajoja sovelluksia esimerkiksi lääketeollisuudessa ja biotekniikassa.
Näin David Bakerin vuonna 2003 tekemä tutkimus ja brittiläisten kehittämä neuroverkko ovat proteiinitutkimuksen ymmärtämisen ja soveltamisen kulmakiviä. Nämä uudet kehitystyöt syventävät ymmärrystämme biologisista prosesseista molekyylitasolla ja avaavat uusia näkökulmia lääkkeiden ja terapioiden kehittämiseen.
Fysiikan Nobel-palkinnon saivat yhdysvaltalainen John Hopfield ja brittiläinen tutkija Geoffrey Hinton erinomaisesta työstä koneoppimisen alalla. John Hopfield keksi assosiatiivisen neuroverkon, joka pystyy rakentamaan kokonaisia kuvia uudelleen osittaisista, rikkinäisistä tai muuten vioittuneista kuvista. Tämä teknologia on kehittänyt laajaa tutkimusta siitä, miten aivot käsittelevät tietoa ja rakentavat muistoja uudelleen.
Geoffrey Hinton sai saman arvostuksen luomalla rekursiivisen neuroverkon, joka auttoi suuresti kuvien ja tietosekvenssien tiettyjen elementtien tunnistamisessa ja analysoinnissa, ja hänen aikanaan tekemänsä työ on toiminut nykyaikaisten luonnollisen kielen käsittelymenetelmien ja tietokonenäön menetelmien selkärankana.
Heidän 1980-luvulla tekemänsä työ oli perustavaa laatua koko tekoälyn viimeaikaisen noususuhdanteen kannalta, sillä se on sekä teknologinen että käsitteellinen perusta alan erilaisille kehityssuunnille. Nämä saavutukset todistivat teoreettisen tutkimuksen suuren merkityksen fysiikan ja tietojenkäsittelytieteen perustutkimuksessa ja korostivat tieteellisen löytämisen tieteidenvälisen lähestymistavan vahvuutta.