文章專區

被譽為東方諾貝爾獎的邵逸夫獎（The Shaw Prize）在設立20 多年後，在既有的天文學、數學、生命科學獎項之外，於今（2026）年增設了第四個全新的獎項，即計算機科學獎（Computer Science）。因此，筆者於1月再次受邀至香港採訪。

本次新設獎項的首任遴選委員會主席珍妮佛・查耶斯（Jennifer Chayes，香港官方譯為蔡司），為現任美國加州大學柏克萊分校計算、數據科學和社會學院院長（UC Berkeley College of Computing, Data Science, and Society）。

她曾經在Podcast 節目《Women in Data Science Worldwide》接受訪問時，用「變異數非常大」的機率分佈來形容自己的人生。她高中時期曾經輟學，大學念的是生物與物理，隨後取得數學物理博士學位，並前往加州大學洛杉磯分校（University of California, Los Angeles）擔任數學系教授。

後來她大膽跨出傳統學術圈， 加入微軟研究院（Microsoft Research），並創立與帶領三個跨領域實驗室。在那裡，她將計算機科學、數學、物理學、生命科學及社會科學深度結合，帶領不同領域的頂尖大腦解決各式複雜問題。

這種在嚴謹學術界與科技巨頭之間流暢遊走、始終擁抱變動的職涯軌跡，正好完美呼應了當前人工智慧（Artificial Intelligence）對整個科學界帶來的劇烈震盪。接著來看看這位經歷非凡的計算機科學家，是如何對計算機科學與此次新設獎項進行既深度又人文的思考。

基礎科學的新座標：計算機科學的重新定位

計算機科學正以前所未有的速度對人類社會產生深遠影響，徹底重塑了科學探索的方法論。近期，諾貝爾生理學或醫學獎、物理學獎，以及數學界的阿貝爾獎（Abel Prize），皆不約而同地將最高榮譽頒發給與計算機領域高度相關的研究工作。

這股強烈的訊號，證明了計算機科學早已超越單一工具的範疇，且正與各個傳統學科進行深度的共同演化。

順應著這股時代洪流，邵逸夫獎的擴張更顯得水到渠成。新增計算機科學獎項的這項決定，反映了該學科目前的發展現狀，將它與天文學、數學及生命科學並列，客觀給予同等量級的學術定位。

為了讓大眾更深刻地理解這個學科的本質，查耶斯在致詞中親自下了一段定義：

究竟什麼是計算機科學？究其本質，計算機科學是一門對資訊與運算在所有形式上的科學研究，探索如何收集、呈現、處理與轉換資訊以解決問題、創造新機會，並深化我們對世界的認知。計算機科學涵蓋的範圍遠比寫程式或任何單一技術（例如人工智慧）更為廣闊。計算機科學是一門深邃的知識性學科，根植於邏輯、數學、嚴謹的抽象思維和實驗實踐，與其他基礎科學如出一轍。

不過，既然世界上已經有了許多計算機科學獎項，為何還需要另一個大獎？

查耶斯認為像邵逸夫獎基金會這樣長期表彰基礎科學的機構，願意將計算機科學列入其中，絕對是一個強而有力的聲明。這項舉動不僅影響了領域內部的文化，更會改變整個社會對這個領域的認知。

如同許多人進入生物、化學或物理領域是為了推動知識的發展，她期盼這個獎項也能激發年輕世代，用同樣對科學的熱情與視角來看待計算機科學。

查耶斯於香港君悅酒店商務中心接受聯訪。（作者拍攝）

「我們不只是工程師，我們也是科學家。」

確立了計算機科學的全新定位後，筆者（簡稱S）與現場媒體（簡稱Q）也針對獎項的實際運作機制，與查耶斯（簡稱J）、籌備主席兼遴選委員陳繁昌（Tony Chan，簡稱T）進行了問答。Q：在評估一項科學成就是否值得獲獎時，往往會面臨純基礎理論與實際應用的拉扯，委員會如何拿捏這兩者的界線？

T：科技的未來是無法預測的，例如50年前的人工智慧與現在完全不同。因此，委員會刻意避免訂定死板的規則，我們選擇保持廣泛的遴選方針。只要是能夠推進人類知識的基礎進展，皆會納入考量。

J：延續這個觀念，邵逸夫獎代表著對卓越科學（Exceptional Science）的最高肯定。究竟是什麼讓一項科學成就稱得上卓越？去觀察任何一個科學領域就會發現，最偉大的成就皆在於科學家成功解答了一個極為重要的問題。

至於什麼是重要的問題？這個問題的解答必須具備龐大的衝擊力，且能夠徹底顛覆領域（Transform the field）。也就是說，整個學科在這個問題被解答的前後，會呈現出截然不同的面貌。

判斷一個問題是否重要，無論在生命科學、醫學還是計算機科學領域，衡量的標準都在於它對真實世界產生了什麼樣的實質影響，同時也必須具備深奧的基礎理論。真正偉大的科學工作，必定兼具社會實質意義與基礎科學深度。

S：邵逸夫獎新設計算機科學獎，與既有的圖靈獎（Turing Award）、由美國計算機協會頒發的ACM電腦運算獎（Association for Computing Machinery 
Prize in Computing）有什麼差異？

J：圖靈獎與ACM電腦運算獎都是由
專業學會所頒發。ACM獎主要鼓勵職涯中期的年輕學者，圖靈獎則通常頒發給資深的前輩。值得注意的是，當年圖靈獎設立時，並沒有明確宣告要將計算機科學與生物學、天文學放在完全同等的地位。

邵逸夫獎則是由獨立基金會頒發，它表達出一個清晰的訊息，計算機科學是一項深度的智識探索，就如同生命科學、天文學與數學，是一門基礎科學。

這份聲明具有極大的社會影響力。也許某個原本想投入數學或天文學的孩子，看到這個獎項後會受到啟發，決定投入計算機領域的基礎研究，因為邵逸夫獎清楚告訴全世界，這是一門科學。

Q：什麼樣的團隊或個人可以獲獎？OpenAI可以嗎？

J：我們尋找的，是那些能夠徹底顛覆領域的科學突破。企業或新創團隊絕對符合獲獎資格，前提是他們的工作必須具備深遠的科學意義。純粹的商業產品開發並不在我們的遴選範圍內。

邵逸夫獎首屆主席查耶斯的未來戰帖：計算機科學待攻克的難題

要達到顛覆領域的影響力，首先必須提出正確的問題，也就是那些能改變人類理解世界方式的本質難題。為此，筆者將查耶斯在記者會、媒體圓桌與聯訪中提出的基礎科學難題整理如下：

1.低能耗Transformer〔註1〕替代方案（綠色運算） 現今的生成式AI（generative AI）展現了強大的能力，但這一切都建立在極度耗能的Transformer底層架構之上。大腦運作所需的能量極低，卻能進行極其複雜的思考。因此，計算機科學界目前最大的一個聖杯，就是從根本的數學理論出發，並找出一種全新的替代架構，來降低AI的能源消耗，這已成為當代計算科學家必須解決的現實難題。

2. 稀缺數據基礎模型（發現型人工智慧Discoverative AI） 當前的大型語言模型高度依賴網路上無盡的文本與對話，然而在化學、生命科學或天文學等尖端領域，真實的實驗數據往往極度稀少，我們無法輕易取得數十億筆完美的蛋白質折疊數據或星系光譜資料。如何在資料量極度匱乏的環境下訓練出強大的基礎模型，並進行有效的後訓練（Post-training），牽涉到極深奧的數學與統計機器學習（statistical machine learning）難題。如此AI才能從單純的生成跨越到推動進階科學發現的發現型人工智慧（Discoverative AI）〔註2〕。

3.具備因果推斷能力的 AI （Causal Inference） 現有的常規AI模型非常擅長在數據中找出相關性，但它們並不理解真正的因果關係。舉個例子，數據可能顯示喝咖啡與罹患肺癌高度相關，但這不代表喝咖啡會致癌，而是喝咖啡
的人可能剛好也常抽菸。如果我們要把 AI 應用在真實世界中進行醫療介入或氣候變遷決策上，AI若只懂相關性，它給出的干預甚至可能會對人類帶來傷害。因此，將統計學的因果推斷與機器學習結合，是確保科技安全造福人類的必經之路。

4.世界模型（World Models） 許多頂尖科學家，例如剛創立新公司的圖靈獎得主楊立昆以及查耶斯的好友李飛飛正在努力超越現有的大型語言模型，試圖打造出真正的世界模型。未來的 AI 不能只會處理文字或
依照機率預測出下一個單字，它們必須要能理解現實世界的實體互動與時間邏輯，具體辨識出誰在什麼時候做了什麼。

5.量子運算的錯誤更正 （Quantum Computing Error Correction） 量子計算擁有顛覆未來密碼學與材料科學的無窮潛力，但量子位元極度脆弱，極易受到環境干擾而產生運算錯誤。查耶斯早在1997年便於微軟招募了第一批量子運算人才，正式開啟了該企業在此領域的先河。歷經數十年的發展，無論領域內使用的是拓撲學（Topological）或其他科學途徑，開發出能夠有效進行錯誤更正的系統，至今絕對還是當代必須克服的深層挑戰。

AI 煉金術：加速科學探索的推進器

查耶斯團隊近期與諾貝爾化學獎得主亞基（Omar Yaghi）團隊合作，展現 AI 如何實際加速科學發現，同時呼應本刊今年一月號的封面故事。

亞基長期致力於金屬有機骨架（Metal-Organic Frameworks, MOFs）的研究，這類材料具備極高孔隙率，能透過分子設計精準調控結構，使它能如同海綿般吸附空氣中的二氧化碳，被視為因應氣候變遷的重要技術之一。

在傳統方法下，開發一種新的MOFs往往需要兩至三年，甚至耗費研究生整個求學階段。然而，透過生成式AI模型的輔助，開發週期已大幅縮短至約兩週。這樣的轉變，正是計算機科學加速科學研究的具體寫照。

形塑改變世界的科學文化，匯聚多元視角的氣魄

S：藉由此次新設獎項，您想要形塑怎樣的科學文化？

J：我認為這類具指標性的獎項，在吸引年輕人投入一個領域中非常重要。它能引導人們跳脫將科技當作致富唯一途徑的想法，轉而思考自己能否對這個領域帶來深遠的影響。

S：我們經常討論女性在科學界的困境，但LGBTQ+社群往往更加不被看見，您如何看待這個問題？

J：嗯⋯⋯如果是獎項或委員會的部分，我其實不太會去特別區分。但在建立研究團隊時，我絕對極度擁抱LGBTQ+群體。我們帶入的視角愈不同，做出來的研究成果就會愈好。我們需要不同國籍、宗教、性傾向，以及不同性別認同的人才參與，這非常重要，因為這能為科學研究帶來不同的多元視角。 就在這段深具啟發性的對話告一段落時，聯訪現場發生了一段極度迷人的插曲。同場的一位上海記者朋友，從包包裡掏出知名人工智慧學者李飛飛的著作當場請查耶斯簽名。

面對這種拿著別人的書來要簽名的奇特要求，查耶斯展現了極大的氣度與從容。她笑著接過筆，在自己好朋友的書頁上帥氣地寫下 “Women computer scientists are the best!” 這份充滿人性的溫度與包容力，為科學界的擁抱多元下了一個最完美的註解。正是這種無畏的氣魄，以及願意理解不同領域核心問題的胸襟，才能真正匯聚不同的視角，進而產生改變世界的強大力量。

 

〔註1〕Transformer（變換器）是一種讓電腦理解語言的方法。它不像傳統方式一樣逐字閱讀，而是能同時查看整段文字，判斷每個詞之間的關係。這種能整體掌握語意的設計，讓 AI 理解與生成語言變得非常強大，但也因此需要大量計算資源與能源。

〔註2〕發現型人工智慧一詞由企業家陳天橋提出，查耶斯認為這概念真的非常有趣。