AI na Nobelovu ceny: Dvojitá vítězství Sparks Diskuse o vědeckých disciplínách

AI na Nobelovu ceny: Dvojitá vítězství Sparks Diskuse o vědeckých disciplínách

Nobelova komise uznala transformativní sílu umělé inteligence (AI) ve dvou letošních cenách - poctěni byli poctěni Průkopníci neuronových sítí ve fyzice ceny a Vývojář výpočetních nástrojů pro studium a navrhování proteinů v chemické ceně. Ale ne všichni vědci jsou spokojeni.

Jen okamžiky poté, co Královská švédská akademie věd oznámila vítěze letošní Nobelovy ceny ve fyzice, zažil svět sociálních médií záblesk diskuse. Několik fyziků argumentovalo, že výzkum strojového učení vědy, který byl v cenách pro Geoffrey Hinton a John Hopfield oslavován, ve skutečnosti nebyla fyzika.

"Já nemluvím. Vážím si strojového učení a umělých neuronových sítí stejně jako kdokoli jiný, ale je těžké vidět, že se jedná o objev fyziky," napsal Jonathan Pritchard, astrofyzik na Imperial College London, na x. "Myslím, že Nobelova cena byla zasažena humbukem AI."

Výzkum Hintona na University of Toronto v Kanadě a Hopfieldu na Princetonské univerzitě v New Jersey „patří do oblasti informatiky,“ říká Sabine Hossenfelder, fyzik v Mnichovském centru pro matematickou filozofii v Německu. „Roční Nobelova cena je pro fyziku - a fyziky - a fyziky - vstoupit do centra pozornosti.

Kombinace některých perspektiv

Ne každý byl však znepokojen: mnoho fyziků přivítalo zprávy. "Hopfield a Hintonův výzkum byl interdisciplinární a spojil fyziku, matematiku, informatiku a neurověd," říká Matt Strassler, teoretický fyzik na Harvardské univerzitě v Cambridge v Massachusetts. "V tomto smyslu patří ke všem těmto disciplínám."

Anil Ananthaswamy, vědecký novinář z Berkeley v Kalifornii a autor „Why Machines Learn“, poznamenává, že zatímco výzkum citovaný Nobelovou výborem není teoretickou fyzikou v nejčistším smyslu, je zakořeněn v technikách a koncepcích fyziky, jako je například energie. „Boltzmann Networks“ a Hopfield Networks vynalezené Hintonem „jsou modely s energií,“ říká.

Spojení s fyzikou se stalo slabší v pozdějším vývoji strojového učení, dodává Ananthaswamy, zejména v „krmivových“ technikách, které usnadnily trénování neuronových sítí. Fyzické nápady se přesto vracejí a pomáhají vědcům pochopit, proč stále složitější systémy hlubokého učení dělají to, co dělají. "Potřebujeme myšlení fyziky ke studiu strojového učení," říká Lenka Zdeborova, která zkoumá statistickou fyziku výpočtu ve Švýcarském federálním technologickém institutu v Lausanne (EPFL).

"Myslím, že Nobelova cena ve fyzice by měla i nadále proniknout stále více oblastí fyzických znalostí," říká Giorgio Parisi, fyzik na římské univerzitě Sapienza University Sdílel Nobelovu cenu 2021. "Fyzika se stává stále širší a zahrnuje mnoho oblastí znalostí, které v minulosti neexistovaly nebo nebyly součástí fyziky."

Nejen AI

Zdálo se, že počítačová věda přebírá Nobelovu cenu den po oznámení ceny fyziky, když Demis Hassabis a John Jumper, spoluzakladatelé Nástroje AI pro predikci proteinové struktury Alphafold na Google Deepmind v Londýně, který získal polovinu Nobelovy ceny v chemii. (Druhá polovina byla udělena Davidovi Bakerovi z University of Washington v Seattlu za práci na designu bílkovin, která nepoužívala strojové učení).

Cena byla uznáním rušivé síly AI, ale také stálého zvyšování znalostí ve strukturální a výpočetní biologii, říká David Jones, bioinformatik na University College London, který pracoval s Deepmind na první verzi Alphafoldu. "Nemyslím si, že Alphafold představuje radikální posun v základní vědě, která tam ještě nebyla," říká. "Je to všechno o tom, jak bylo všechno sestaveno a navrženo tak, aby umožnilo Alphafoldu dosáhnout těchto výšek."

Klíčovým vstupem, který Alphafold používá, jsou sekvence příbuzných proteinů z různých organismů, které mohou identifikovat páry aminokyselin, které se pravděpodobně vyvíjejí, a proto mohou být ve 3D struktuře proteinu ve fyzické blízkosti. Vědci již tento pohled používali k predikci proteinových struktur, když byl vyvinut alfafold, a někteří dokonce začali implementovat myšlenku v sítích s hlubokým učením.

"Nebyl to jen případ, kdy jsme šli do práce, srazili na tlačítko AI a pak všichni, kteří se vrátili domů," řekl Jumper na tiskové konferenci v Deepmind 9. října. "Byl to opravdu iterativní proces, kde jsme se vyvinuli, provedli výzkum a pokusili se najít ty správné kombinace mezi tím, co komunita rozuměla o proteinech a jak bychom mohli začlenit do našeho architektury."

Alphafold by také nebyl možný bez databáze proteinů, volně přístupného úložiště více než 200 000 proteinových struktur - včetně některých, které přispěly k předchozím Nobelovým cenám - určené pomocí rentgenové krystalografie, kryo -elektronové mikroskopie a dalších experimentálních metod. "Každý datový bod je výsledkem něčího roku úsilí," řekl Jumper.

Od svého založení v roce 1901 byly Nobelovy ceny často odrazem dopadu výzkumu na společnost a odměnily praktické vynálezy, nejen čistou vědu. V tomto ohledu není ceny 2024 odlehlými hodnotami, říká Ananthaswamy. „Někdy jsou uděleny za velmi dobré inženýrské projekty. Patří sem ceny za Laser a PCR “