AI con precios nobeles: la doble victoria provocó discusión sobre disciplinas científicas
AI con precios nobeles: la doble victoria provocó discusión sobre disciplinas científicas
Los comités Nobel han reconocido el poder transformador de la inteligencia artificial (KI) en dos de los precios de este año, honrados Pioneros de las redes neuronales en el precio físico y el Desarrollador de herramientas de cálculo para examinar y diseñar proteínas En el premio químico. Pero no todos los investigadores están satisfechos.
Solo unos momentos después del anuncio de los ganadores del Premio Nobel de Física de este año por la Real Academia de Ciencias de Suecia, el mundo de las redes sociales experimentó un destello de discusiones. Varios físicos argumentaron que la ciencia subyacente a la investigación de aprendizaje mecánico, que se celebró en los premios para Geoffrey Hinton y John Hopfield, no era en realidad física.
"Estoy sin palabras. Aprecio el aprendizaje automático y las redes neuronales artificiales, así como cualquier otra, pero es difícil ver que este es un descubrimiento físico", escribió Jonathan Pritchard, un STROFÍASICUSTA en Imperial College London, en X ." Supongo que el premio Nobel fue alcanzado por el Hype de IA ".
La investigación de Hinton en la Universidad de Toronto en Canadá y Hopfield en la Universidad de Princeton en Nueva Jersey "pertenece al área de la informática", dice Sabine Hossenfelder, físico del Centro de Filosofía Matemática de Munich en Alemania. "El Premio Nobel anual es una oportunidad rara para la física, y los físicos, para que se encuentren en el centro de atención. Es el día en que amigos y familiares recuerdan que conocen a un físico y tal vez preguntan de qué se trataba este último premio Nobel. Pero no este año".
une algunas perspectivas
No todos estaban preocupados: muchos físicos dieron la bienvenida a las noticias. "La investigación de Hopfield y Hinton fue interdisciplinaria y reunió física, matemáticas, ciencias de la computación y neurociencias", dice Matt Strassler, físico teórico de la Universidad de Harvard en Cambridge, Massachusetts. "En este sentido, pertenece a todas estas áreas especializadas".
Anil Ananthaswamy, periodista científico de Berkeley, California, y autor del libro "Why Machine Learn", señala que la investigación citada por el Comité Nobel no es una física teórica en el sentido más puro, pero se basa en técnicas y conceptos de la física, como la energía. Las "redes Boltzmann" inventadas por Hinton y Hopfield Networks "son modelos basados en energía", dice.
La conexión con la física se debilitó en los desarrollos posteriores en el aprendizaje automático, agrega Ananthaswamy, especialmente con las técnicas "Feedforward" que facilitaron la capacitación de las redes neuronales. Sin embargo, las ideas físicas regresan y ayudan a comprender a los investigadores por qué los sistemas de aprendizaje profundo cada vez más complejos hacen lo que hacen. "Necesitamos la forma de pensar en la física para estudiar el aprendizaje automático", dice Lenka Zdeborová, que investiga la física estadística del cálculo del Instituto Federal Suizo de Tecnología en Lausana (EPFL).
"Creo que el Premio Nobel de Física debería continuar penetrando cada vez más áreas de conocimiento físico", dice Giorgio Parisi, físico de la Universidad de Sapienza, Roma, el compartió el Premio Nobel 2021 . "La física se está volviendo cada vez más amplia e incluye muchas áreas de conocimiento que no han existido en el pasado o no fueron parte de la física".
no solo ki
La informática parecía hacerse cargo del Premio Nobel el día después de que se anunciara el Premio de Física, como Demis Hassabis y John Jumper, cofundador de Ki-Tools para la estructura de proteínas pronosticó Alfafold En Google Deepmind en Londres, la mitad del Premio Nobel de Química. (La otra mitad fue otorgada a David Baker de la Universidad de Washington en Seattle por trabajos en diseño de proteínas que no usan el aprendizaje automático).
El premio fue el reconocimiento del poder disruptivo de la IA, pero también el aumento constante del conocimiento en la biología estructural y ayudada por computadora, dice David Jones, un bioinformatista de la Universidad de College London, que trabajó con DeepMind en la primera versión de Alphall. "No creo que Alphafold represente un cambio radical en la ciencia subyacente que aún no estaba disponible", dice. "Se trata solo de cómo todo se juntó y diseñó para que Alphafold pueda alcanzar estas alturas".
Un KeyInput que Alfafold usa son las secuencias de proteínas relacionadas de varios organismos que pueden identificar pares de aminoácidos que probablemente sean KO-evolución y, por lo tanto, pueden estar cerca de la estructura 3D de una proteína. Los investigadores ya han utilizado este conocimiento para predecir estructuras de proteínas cuando se desarrolló Alphafold, y algunos incluso comenzaron a implementar la idea en las redes de aprendizaje profundo.
"No fue fácil que nos pusiéramos a trabajar, presionamos el botón AI y luego todos se fueron a casa", dijo Jumper en una conferencia de prensa en Deepmind el 9 de octubre. "Fue realmente un proceso iterativo en el que desarrollamos, investigamos e intentamos encontrar las combinaciones correctas entre lo que la comunidad entendía sobre las proteínas y cómo podríamos incorporar estas intuiciones en nuestra arquitectura".
Alfafold no hubiera sido posible si la base de datos de proteínas no hubiera existido, un repositorio de más accesible de más de 200,000 estructuras de proteínas, incluidas algunas que contribuyeron a los precios nobel anteriores, que se determinaron utilizando cristalografía de rayos X, microscopía crioelectrónica y otros métodos experimentales. "Cada punto de datos es el resultado de años de esfuerzo de alguien", dijo Jumper.
Desde su fundación en 1901, los precios del Nobel a menudo han sido un reflejo de la influencia de la investigación en la sociedad y han recompensado los inventos prácticos, no solo la ciencia pura. En este sentido, los precios en 2024 no son atípicos, dice Ananthaswamy. "A veces se les otorgan por muy buenos proyectos de ingeniería. Data-Label =" https://www.nobelprize.org/physics/1964/summary/ "data-track-category =" body text link "> laser y PCR .