Η τεχνητή νοημοσύνη στα βραβεία Νόμπελ: Η διπλή νίκη πυροδοτεί συζήτηση για επιστημονικούς κλάδους

Η τεχνητή νοημοσύνη στα βραβεία Νόμπελ: Η διπλή νίκη πυροδοτεί συζήτηση για επιστημονικούς κλάδους

Η Επιτροπή Νόμπελ αναγνώρισε τη μεταμορφωτική δύναμη της τεχνητής νοημοσύνης (AI) σε δύο από τα φετινά βραβεία - τίμησαν Βραβείο Πρωτοπόροι Νευρωνικών Δικτύων στη Φυσική και το Κατασκευαστής υπολογιστικών εργαλείων για τη μελέτη και το σχεδιασμό πρωτεϊνών στο βραβείο χημείας. Δεν είναι όμως όλοι οι ερευνητές ικανοποιημένοι.

Λίγες στιγμές αφότου η Βασιλική Σουηδική Ακαδημία Επιστημών ανακοίνωσε τους νικητές του φετινού Βραβείου Νόμπελ Φυσικής, ο κόσμος των μέσων κοινωνικής δικτύωσης γνώρισε μια έκρηξη συζητήσεων. Αρκετοί φυσικοί υποστήριξαν ότι η επιστήμη που διέπει την έρευνα μηχανικής μάθησης που γιορτάζεται στα βραβεία για τους Geoffrey Hinton και John Hopfield δεν ήταν στην πραγματικότητα φυσική.

"Είμαι άφωνος. Εκτιμώ τη μηχανική μάθηση και τα τεχνητά νευρωνικά δίκτυα όσο οποιοσδήποτε, αλλά είναι δύσκολο να καταλάβει κανείς ότι πρόκειται για ανακάλυψη φυσικής", έγραψε ο Jonathan Pritchard, αστροφυσικός στο Imperial College του Λονδίνου. στο Χ. "Υποθέτω ότι το βραβείο Νόμπελ χτυπήθηκε από τη διαφημιστική εκστρατεία AI."

Η έρευνα του Hinton στο Πανεπιστήμιο του Τορόντο στον Καναδά και του Hopfield στο Πανεπιστήμιο Princeton στο New Jersey «ανήκει στον τομέα της επιστήμης των υπολογιστών», λέει η Sabine Hossenfelder, φυσικός στο Κέντρο Μαθηματικής Φιλοσοφίας του Μονάχου στη Γερμανία. "Το ετήσιο βραβείο Νόμπελ είναι μια σπάνια ευκαιρία για τη φυσική - και τους φυσικούς - να μπουν στο προσκήνιο. Είναι η μέρα που οι φίλοι και η οικογένεια θυμούνται ότι γνωρίζουν έναν φυσικό και ίσως ρωτήσουν τι ήταν αυτό το τελευταίο βραβείο Νόμπελ. Αλλά όχι φέτος."

Συνδυάζοντας κάποιες προοπτικές

Δεν ανησυχούσαν όλοι, ωστόσο: πολλοί φυσικοί καλωσόρισαν τα νέα. «Η έρευνα του Hopfield και του Hinton ήταν διεπιστημονική, συνδυάζοντας τη φυσική, τα μαθηματικά, την επιστήμη των υπολογιστών και τη νευροεπιστήμη», λέει ο Matt Strassler, θεωρητικός φυσικός στο Πανεπιστήμιο του Χάρβαρντ στο Κέιμπριτζ της Μασαχουσέτης. «Με αυτή την έννοια, ανήκει σε όλους αυτούς τους κλάδους».

Ο Anil Ananthaswamy, ένας επιστημονικός δημοσιογράφος από το Μπέρκλεϊ της Καλιφόρνια και συγγραφέας του "Why Machines Learn", σημειώνει ότι ενώ η έρευνα που αναφέρεται από την Επιτροπή Νόμπελ δεν είναι θεωρητική φυσική με την πιο καθαρή έννοια, έχει τις ρίζες της σε τεχνικές και έννοιες της φυσικής, όπως η ενέργεια. Τα «δίκτυα Boltzmann» και τα δίκτυα Hopfield που εφευρέθηκαν από τον Hinton «είναι και τα δύο μοντέλα που βασίζονται στην ενέργεια», λέει.

Η σύνδεση με τη φυσική έγινε πιο αδύναμη στις μεταγενέστερες εξελίξεις της μηχανικής μάθησης, προσθέτει ο Ananthaswamy, ιδιαίτερα στις τεχνικές "feedforward" που έκαναν τα νευρωνικά δίκτυα πιο εύκολη στην εκπαίδευση. Ωστόσο, οι φυσικές ιδέες επανέρχονται και βοηθούν τους ερευνητές να κατανοήσουν γιατί τα ολοένα και πιο περίπλοκα συστήματα βαθιάς μάθησης κάνουν αυτό που κάνουν. «Χρειαζόμαστε τη νοοτροπία της φυσικής για να μελετήσουμε τη μηχανική μάθηση», λέει η Lenka Zdeborová, η οποία ερευνά τη στατιστική φυσική των υπολογιστών στο Ελβετικό Ομοσπονδιακό Ινστιτούτο Τεχνολογίας στη Λωζάνη (EPFL).

«Νομίζω ότι το Νόμπελ Φυσικής θα πρέπει να συνεχίσει να διεισδύει σε όλο και περισσότερους τομείς της φυσικής γνώσης», λέει ο Giorgio Parisi, φυσικός στο Πανεπιστήμιο Sapienza της Ρώμης. μοιράστηκε το Νόμπελ 2021. «Η φυσική γίνεται ολοένα και πιο ευρεία και περιλαμβάνει πολλούς τομείς γνώσης που δεν υπήρχαν ή δεν αποτελούσαν μέρος της φυσικής στο παρελθόν».

Όχι μόνο AI

Η επιστήμη των υπολογιστών φάνηκε να παίρνει το βραβείο Νόμπελ την ημέρα μετά την ανακοίνωση του βραβείου φυσικής, όταν ο Ντέμις Χασάμπις και ο Τζον Τζάμπερ, συνιδρυτές του Εργαλεία AI για πρόβλεψη πρωτεϊνικής δομής AlphaFold στο Google DeepMind στο Λονδίνο, ο οποίος κέρδισε το μισό Νόμπελ Χημείας. (Το άλλο μισό απονεμήθηκε στον Ντέιβιντ Μπέικερ του Πανεπιστημίου της Ουάσιγκτον στο Σιάτλ για εργασία στον σχεδιασμό πρωτεϊνών που δεν χρησιμοποιούσε μηχανική μάθηση).

Το βραβείο ήταν μια αναγνώριση της διασπαστικής δύναμης της τεχνητής νοημοσύνης, αλλά και της σταθερής αύξησης της γνώσης στη δομική και υπολογιστική βιολογία, λέει ο David Jones, βιοπληροφορικός στο University College του Λονδίνου που συνεργάστηκε με την DeepMind στην πρώτη έκδοση του AlphaFold. «Δεν νομίζω ότι το AlphaFold αντιπροσωπεύει μια ριζική αλλαγή στην υποκείμενη επιστήμη που δεν υπήρχε ήδη», λέει. «Είναι όλα σχετικά με το πώς όλα συναρμολογήθηκαν και σχεδιάστηκαν για να επιτρέψουν στο AlphaFold να φτάσει σε αυτά τα ύψη».

Ένα βασικό στοιχείο που χρησιμοποιεί το AlphaFold είναι οι αλληλουχίες σχετικών πρωτεϊνών από διαφορετικούς οργανισμούς, οι οποίες μπορούν να προσδιορίσουν ζεύγη αμινοξέων που είναι πιθανό να έχουν συν-εξελιχθεί και επομένως μπορεί να βρίσκονται σε φυσική εγγύτητα στην τρισδιάστατη δομή μιας πρωτεΐνης. Οι ερευνητές χρησιμοποιούσαν ήδη αυτή τη γνώση για να προβλέψουν τις πρωτεϊνικές δομές όταν αναπτύχθηκε το AlphaFold, και ορισμένοι άρχισαν ακόμη και να εφαρμόζουν την ιδέα σε δίκτυα βαθιάς μάθησης.

«Δεν ήταν απλώς η περίπτωση να πάμε στη δουλειά, να πατήσουμε το κουμπί AI και μετά να επιστρέψουμε όλοι στο σπίτι», είπε ο Jumper σε συνέντευξη Τύπου στο DeepMind στις 9 Οκτωβρίου. «Ήταν πραγματικά μια επαναληπτική διαδικασία όπου αναπτύξαμε, κάναμε έρευνα και προσπαθήσαμε να βρούμε τους σωστούς συνδυασμούς μεταξύ του τι κατανοούσε η κοινότητα για τις πρωτεΐνες και πώς θα μπορούσαμε να ενσωματώσουμε τις αρχιτεκτονικές μας.

Το AlphaFold δεν θα ήταν επίσης δυνατό χωρίς τη Βάση Δεδομένων Πρωτεϊνών, μια ελεύθερα προσβάσιμη αποθήκη περισσότερων από 200.000 πρωτεϊνικών δομών - συμπεριλαμβανομένων μερικών που έχουν συμβάλει σε προηγούμενα βραβεία Νόμπελ - που προσδιορίστηκαν χρησιμοποιώντας κρυσταλλογραφία ακτίνων Χ, κρυοηλεκτρονική μικροσκοπία και άλλες πειραματικές μεθόδους. "Κάθε σημείο δεδομένων είναι το αποτέλεσμα της προσπάθειας πολλών ετών", είπε ο Jumper.

Από την ίδρυσή τους το 1901, τα βραβεία Νόμπελ συχνά αντικατοπτρίζουν τον αντίκτυπο της έρευνας στην κοινωνία και έχουν επιβραβεύσει πρακτικές εφευρέσεις, όχι μόνο την καθαρή επιστήμη. Από αυτή την άποψη, οι τιμές του 2024 δεν είναι ακραίες τιμές, λέει ο Ananthaswamy. «Μερικές φορές βραβεύονται για πολύ καλά τεχνικά έργα. Αυτά περιλαμβάνουν τα βραβεία για Λέιζερ και PCR.»