IA en los premios Nobel: la doble victoria genera debate sobre disciplinas científicas

IA en los premios Nobel: la doble victoria genera debate sobre disciplinas científicas

El Comité Nobel ha reconocido el poder transformador de la inteligencia artificial (IA) en dos de los premios de este año: honraron Premio Pioneros de Redes Neuronales en Física y el Desarrollador de herramientas computacionales para estudiar y diseñar proteínas. en premio de química. Pero no todos los investigadores están satisfechos.

Momentos después de que la Real Academia Sueca de Ciencias anunciara los ganadores del Premio Nobel de Física de este año, el mundo de las redes sociales experimentó un destello de discusión. Varios físicos argumentaron que la ciencia subyacente a la investigación sobre el aprendizaje automático celebrada en los premios otorgados a Geoffrey Hinton y John Hopfield no era en realidad física.

"Estoy sin palabras. Valoro el aprendizaje automático y las redes neuronales artificiales tanto como cualquiera, pero es difícil ver que se trata de un descubrimiento de la física", escribió Jonathan Pritchard, astrofísico del Imperial College de Londres. en X. "Supongo que el Premio Nobel se vio afectado por la exageración de la IA".

La investigación de Hinton en la Universidad de Toronto en Canadá y Hopfield en la Universidad de Princeton en Nueva Jersey "pertenece al campo de la informática", dice Sabine Hossenfelder, física del Centro de Filosofía Matemática de Munich en Alemania. "El Premio Nobel anual es una rara oportunidad para que la física -y los físicos- pasen a ser 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 trató el último Premio Nobel. Pero no este año".

Combinando algunas perspectivas

Sin embargo, no todos se alarmaron: muchos físicos acogieron con agrado la noticia. "La investigación de Hopfield y Hinton fue interdisciplinaria y reunió física, matemáticas, informática y neurociencia", dice Matt Strassler, físico teórico de la Universidad de Harvard en Cambridge, Massachusetts. "En ese sentido, pertenece a todas estas disciplinas".

Anil Ananthaswamy, periodista científico de Berkeley, California, y autor de "Why Machines Learn", señala que si bien la investigación citada por el Comité del Nobel no es física teórica en el sentido más puro, tiene sus raíces en técnicas y conceptos de la física, como la energía. Las “redes de Boltzmann” y las redes de Hopfield inventadas por Hinton “son ambas modelos impulsados ​​por energía”, afirma.

La conexión con la física se debilitó en los desarrollos posteriores del aprendizaje automático, añade Ananthaswamy, particularmente en las técnicas de "feedforward" que hicieron que las redes neuronales fueran más fáciles de entrenar. Aún así, las ideas físicas están regresando y ayudando a los investigadores a comprender por qué sistemas de aprendizaje profundo cada vez más complejos hacen lo que hacen. "Necesitamos la mentalidad de la física para estudiar el aprendizaje automático", afirma Lenka Zdeborová, que investiga la física estadística de la computación en el Instituto Federal Suizo de Tecnología en Lausana (EPFL).

“Creo que el Premio Nobel de Física debería seguir penetrando cada vez en más áreas del conocimiento físico”, afirma Giorgio Parisi, físico de la Universidad La Sapienza de Roma. compartió el Premio Nobel 2021. “La física es cada vez más amplia e incluye muchas áreas del conocimiento que no existían o no formaban parte de la física en el pasado”.

No solo IA

La informática pareció apoderarse del Premio Nobel el día después de que se anunciara el premio de física, cuando Demis Hassabis y John Jumper, cofundadores del Herramientas de inteligencia artificial para la predicción de la estructura de proteínas AlphaFold en Google DeepMind en Londres, que ganó la mitad del Premio Nobel de Química. (La otra mitad fue otorgada a David Baker de la Universidad de Washington en Seattle por su trabajo en el diseño de proteínas que no utilizó aprendizaje automático).

El premio fue un reconocimiento del poder disruptivo de la IA, pero también del aumento constante del conocimiento en biología estructural y computacional, dice David Jones, bioinformático del University College de Londres que trabajó con DeepMind en la primera versión de AlphaFold. "No creo que AlphaFold represente un cambio radical en la ciencia subyacente que no estuviera ya ahí", dice. "Se trata de cómo se armó y diseñó todo para permitir que AlphaFold alcance estas alturas".

Un aporte clave que utiliza AlphaFold son las secuencias de proteínas relacionadas de diferentes organismos, que pueden identificar pares de aminoácidos que probablemente hayan coevolucionado y, por lo tanto, pueden estar físicamente próximos en la estructura 3D de una proteína. Los investigadores ya estaban utilizando esta información para predecir estructuras de proteínas cuando se desarrolló AlphaFold, y algunos incluso comenzaron a implementar la idea en redes de aprendizaje profundo.

"No se trataba simplemente de ir a trabajar, presionar el botón de IA y luego todos regresar 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 y tratamos de encontrar las combinaciones correctas entre lo que la comunidad entendía sobre las proteínas y cómo podíamos incorporar esas intuiciones en nuestra arquitectura".

AlphaFold tampoco habría sido posible sin la base de datos de proteínas, un depósito de acceso gratuito de más de 200.000 estructuras de proteínas, incluidas algunas que han contribuido a premios Nobel anteriores, determinadas mediante cristalografía de rayos X, microscopía crioelectrónica y otros métodos experimentales. "Cada dato es el resultado de años de esfuerzo de alguien", dijo Jumper.

Desde su fundación en 1901, los Premios Nobel han sido a menudo un reflejo del impacto de la investigación en la sociedad y han premiado invenciones prácticas, no sólo ciencia pura. En este sentido, los precios de 2024 no son atípicos, afirma Ananthaswamy. "A veces se conceden por muy buenos proyectos de ingeniería. Estos incluyen los premios a Láser y PCR.”