AI με τιμές Νόμπελ: Η διπλή νίκη προκάλεσε συζήτηση για τους επιστημονικούς κλάδους

AI με τιμές Νόμπελ: Η διπλή νίκη προκάλεσε συζήτηση για τους επιστημονικούς κλάδους

Οι επιτροπές Nobel έχουν αναγνωρίσει τη μετασχηματιστική δύναμη της τεχνητής νοημοσύνης (KI) σε δύο από τις τιμές του τρέχοντος έτους-τιμούνται πρωτοπόροι των νευρωνικών δικτύων στην τιμή φυσικής Data-label = "https://www.nature.com/articles/d41586-03214-7" Data-Track-Category Text Link "> Ο προγραμματιστής εργαλείων υπολογισμού για την εξέταση και το σχεδιασμό πρωτεϊνών στο χημικό βραβείο.

Μόνο λίγα λεπτά μετά την ανακοίνωση των νικητών του φετινού βραβείου Νόμπελ Φυσικής από τη Βασιλική Σουηδική Ακαδημία Επιστημών, ο κόσμος των κοινωνικών μέσων ενημέρωσε μια λάμψη συζητήσεων. Αρκετοί φυσικοί ισχυρίστηκαν ότι η επιστήμη που βασίζεται στη μηχανική έρευνα μάθησης, η οποία γιορτάστηκε στα βραβεία για τους Geoffrey Hinton και John Hopfield, δεν ήταν στην πραγματικότητα φυσική.

"Είμαι άφωνος. Εκτιμώ την εκμάθηση μηχανών και τα τεχνητά νευρωνικά δίκτυα καθώς και κάθε άλλο, αλλά είναι δύσκολο να δούμε ότι πρόκειται για μια φυσική ανακάλυψη", έγραψε ο Jonathan Pritchard, ένας αστροφυσικός στο Imperial College London, στο x " Υποθέτω ότι το βραβείο Νόμπελ χτυπήθηκε από την HYPE AI.

Η έρευνα του Hinton στο Πανεπιστήμιο του Τορόντο του Καναδά και του Hopfield στο Πανεπιστήμιο του Princeton στο Νιου Τζέρσεϋ "ανήκει στην περιοχή της πληροφορικής", λέει ο Sabine Hossenfelder, φυσικός στο Κέντρο Μαθηματικής Φιλοσοφίας του Μονάχου στη Γερμανία. "Το ετήσιο βραβείο Νόμπελ είναι μια σπάνια ευκαιρία για τη φυσική - και οι φυσικοί - να μπουν στο προσκήνιο, είναι η ημέρα που οι φίλοι και η οικογένεια θυμούνται ότι γνωρίζουν έναν φυσικό και ίσως να ρωτήσουν ποιο ήταν αυτό το τελευταίο βραβείο Νόμπελ, αλλά όχι φέτος".

Ενώσει μερικές προοπτικές

Όλοι δεν ανησυχούσαν: πολλοί φυσικοί υποδέχτηκαν τα νέα. "Η έρευνα του Hopfield και του Hinton ήταν διεπιστημονική και έφερε μαζί τη φυσική, τα μαθηματικά, την επιστήμη των υπολογιστών και τις νευροεπιστήμες", λέει ο Matt Strassler, θεωρητικός φυσικός στο Πανεπιστήμιο του Χάρβαρντ στο Cambridge της Μασαχουσέτης. "Με αυτή την έννοια, ανήκει σε όλες αυτές τις εξειδικευμένες περιοχές."

Anil Ananthaswamy, ένας επιστήμονας δημοσιογράφος από το Berkeley της Καλιφόρνια και συγγραφέας του βιβλίου "Why Machine Learn", σημειώνει ότι η έρευνα που ανέφερε η επιτροπή Nobel δεν είναι θεωρητική φυσική με την καθαρότερη έννοια, αλλά έχει ρίζες σε τεχνικές και έννοιες από τη φυσική, όπως η ενέργεια. Τα "δίκτυα Boltzmann" που εφευρέθηκαν από τον Hinton και τα δίκτυα Hopfield "είναι και τα δύο μοντέλα που οδηγούν στην ενέργεια", λέει.

Η σύνδεση με τη φυσική έγινε ασθενέστερη στις μεταγενέστερες εξελίξεις στη μηχανική μάθηση, προσθέτει το Ananthaswamy, ειδικά με τις τεχνικές "feedforward" που καθιστούσαν ευκολότερη την εκπαίδευση των νευρωνικών δικτύων. Παρ 'όλα αυτά, οι φυσικές ιδέες επιστρέφουν και βοηθούν στην κατανόηση των ερευνητών γιατί τα όλο και πιο πολύπλοκα συστήματα βαθιάς μάθησης κάνουν ό, τι κάνουν. «Χρειαζόμαστε τον τρόπο σκέψης της φυσικής για τη μελέτη της μηχανικής μάθησης», λέει η Lenka Zdeborová, η οποία ερευνά τη στατιστική φυσική του υπολογισμού του Ελβετικού Ομοσπονδιακού Ινστιτούτου Τεχνολογίας στη Λωζάνη (EPFL).

"Νομίζω ότι το βραβείο Νόμπελ για τη φυσική θα πρέπει να συνεχίσει να διεισδύει όλο και περισσότερους τομείς φυσικής γνώσης", λέει ο Giorgio Parisi, φυσικός στο Πανεπιστήμιο Sapienza Rome, το Dates-Label = "https://www.nature.com/articles/d41586-02703-3" data-track-category = "link body body"> μοιράστηκε το βραβείο Νόμπελ 2021 . "Η φυσική γίνεται όλο και πιο ευρύτερη και περιλαμβάνει πολλούς τομείς γνώσης που δεν υπήρχαν στο παρελθόν ή δεν ήταν μέρος της φυσικής".

Όχι μόνο Ki

Η επιστήμη των υπολογιστών φάνηκε να αναλαμβάνει το βραβείο Νόμπελ την ημέρα που ανακοινώθηκε το βραβείο φυσικής, όπως ο Demis Hassabis και ο John Jumper, συνιδρυτής του Ki-tools για δομή πρωτεϊνών που προβλέπουν alphafold Στο Google Deepmind στο Λονδίνο, το ήμισυ του βραβείου χημείας. (Το άλλο μισό απονεμήθηκε στον David Baker από το Πανεπιστήμιο της Ουάσινγκτον στο Σιάτλ για έργα για το σχεδιασμό πρωτεϊνών που δεν χρησιμοποιούν μηχανική μάθηση).

Το βραβείο ήταν η αναγνώριση της ενοχλητικής δύναμης του AI, αλλά και της συνεχούς αύξησης της γνώσης στη διαρθρωτική και τη βιολογία του υπολογιστή, λέει ο David Jones, βιοπληροφορικός στο Πανεπιστήμιο του College London, ο οποίος συνεργάστηκε με την DeepMind στην πρώτη έκδοση του Alphall. "Δεν νομίζω ότι το Alphafold αντιπροσωπεύει μια ριζική αλλαγή στην υποκείμενη επιστήμη που δεν ήταν ήδη διαθέσιμη", λέει. "Πρόκειται ακριβώς για το πώς τα πάντα ήταν μαζί και σχεδιασμένα έτσι ώστε ο Alphafold να μπορεί να φτάσει σε αυτά τα ύψη."

keyInput που χρησιμοποιεί το alphafold είναι οι αλληλουχίες σχετικών πρωτεϊνών από διάφορους οργανισμούς που μπορούν να προσδιορίσουν ζεύγη αμινοξέων που είναι πιθανώς evolution ko και επομένως μπορεί να είναι κοντά στην τρισδιάστατη δομή μιας πρωτεΐνης. Οι ερευνητές έχουν ήδη χρησιμοποιήσει αυτή τη γνώση για να προβλέψουν δομές πρωτεϊνών όταν αναπτύχθηκε το AlphaFold και μερικοί άρχισαν να εφαρμόζουν την ιδέα σε δίκτυα βαθιάς μάθησης.

"Δεν ήταν εύκολο να πήγαινε στη δουλειά, πιέζουμε το κουμπί AI και έπειτα όλοι πήγαν στο σπίτι", δήλωσε ο Jumper σε συνέντευξη Τύπου στο Deepmind στις 9 Οκτωβρίου. "Ήταν πραγματικά μια επαναληπτική διαδικασία στην οποία αναπτύξαμε, ερευνήσαμε και προσπαθήσαμε να βρούμε τους σωστούς συνδυασμούς μεταξύ του τι κατάλαβε η κοινότητα για τις πρωτεΐνες και πώς θα μπορούσαμε να ενσωματώσουμε αυτές τις διαισθήσεις στην αρχιτεκτονική μας".

Το AlphaFold δεν θα ήταν εφικτό εάν η βάση δεδομένων πρωτεΐνης δεν υπήρχε, ένα ελεύθερα προσβάσιμο αποθετήριο περισσότερων από 200.000 δομών πρωτεϊνών, συμπεριλαμβανομένων μερικών που συνέβαλαν σε προηγούμενες τιμές Nobel-που προσδιορίστηκαν χρησιμοποιώντας κρυσταλλογραφία ακτίνων Χ, κρυο-ηλεκτρόνιο μικροσκοπία και άλλες πειραματικές μεθόδους. "Κάθε σημείο δεδομένων είναι το αποτέλεσμα των ετών προσπάθειας από κάποιον", δήλωσε ο Jumper.

Από την ίδρυσή της το 1901, οι τιμές του Νόμπελ συχνά αντανακλούσαν την επιρροή της έρευνας στην κοινωνία και έχουν ανταμείψει πρακτικές εφευρέσεις, όχι μόνο την καθαρή επιστήμη. Από αυτή την άποψη, οι τιμές το 2024 δεν είναι υπερβολικές, λέει ο Ananthaswamy. "Μερικές φορές απονέμονται για πολύ καλά έργα μηχανικής. "Κάντε κλικ στο" Data-Label = "https://www.nobelprize.org/prices/chemistry/1993/summary/" Data-Track-category = "Body Text Link"> PCR .