Nobelpriset i kemi delades ut för framstående insatser inom proteinstrukturforskning. Pristagarna var den amerikanske forskaren David Baker och de brittiska forskarna John Jumper och Demis Hassabis för deras bidrag till ”avslöjandet av proteinstrukturernas kod”. David Baker belönades för att ha utvecklat metoder för att skapa helt nya typer av proteiner, något som forskarna tidigare trodde var näst intill omöjligt. Dessa nya tekniker har utnyttjats för att öppna nya horisonter inom biokemi och medicin.
John Jumper och Demis Hassabis utvecklade å andra sidan en avancerad modell för artificiell intelligens för att förutsäga proteiners komplexa strukturer. Basen för detta neurala nätverk lanserades redan 2020, och det utgör ett stort genombrott inom beräkningsmodellering. Det har breda tillämpningar inom områden som läkemedel och bioteknik.
På så sätt är David Bakers forskning från 2003 och britternas utveckling av neurala nätverk hörnstenarna i förståelsen och tillämpningen av proteinvetenskap. Denna nya utveckling kommer att fördjupa vår förståelse av biologiska processer på molekylär nivå och öppna nya perspektiv för läkemedels- och terapiutveckling.
Nobelpriset i fysik gick till den amerikanske forskaren John Hopfield och den brittiske forskaren Geoffrey Hinton för deras enastående arbete inom maskininlärning. John Hopfield anses ha uppfunnit ett associativt neuralt nätverk som kan återskapa hela bilder från partiella, trasiga eller på annat sätt korrumperade versioner. Denna teknik har utvecklat omfattande forskning om hur hjärnan bearbetar information och rekonstruerar minnen.
Geoffrey Hinton fick samma prestige för att ha skapat ett återkommande neuronnät som var till stor hjälp när det gällde att känna igen och analysera specifika element i bilder och datasekvenser, men hans arbete under den tiden har utgjort ryggraden i moderna metoder för behandling av naturligt språk och datorseende.
Deras arbete under 1980-talet låg till grund för hela den senaste tidens boom inom AI, både vad gäller teknisk och konceptuell grund för olika utvecklingsriktningar inom detta område. Dessa prestationer vittnar inte bara om den stora roll som teoretisk forskning inom grundläggande fysik och datavetenskap spelar, utan understryker också styrkan i ett tvärvetenskapligt förhållningssätt till vetenskapliga upptäckter.