AI avec prix Nobel: Double victoire a déclenché une discussion sur les disciplines scientifiques

AI avec prix Nobel: Double victoire a déclenché une discussion sur les disciplines scientifiques

Les comités Nobel ont reconnu la puissance transformatrice de l'intelligence artificielle (KI) dans deux des prix de cette année, ils ont honoré Pionniers des réseaux de neurones dans le prix de la physique Et le Développeur des outils de calcul pour examiner et concevoir des protéines dans le prix chimique. Mais tous les chercheurs ne sont pas satisfaits.

Seulement quelques instants après l'annonce des gagnants du prix Nobel de physique de cette année par la Royal Swedish Academy of Sciences, le monde des médias sociaux a connu un éclair de discussions. Plusieurs physiciens ont fait valoir que la science sous-jacente à la recherche sur l'apprentissage mécanique, qui a été célébrée dans les prix de Geoffrey Hinton et John Hopfield, n'était pas vraiment de la physique.

"Je suis sans voix. J'apprécie l'apprentissage automatique et les réseaux de neurones artificiels ainsi que toute autre, mais il est difficile de voir qu'il s'agit d'une découverte physique", a écrit Jonathan Pritchard, un astrophysicien à Imperial College London, sur x ." Je suppose que le prix Nobel a été frappé par l'hype AI. "

La recherche de Hinton à l'Université de Toronto au Canada et à Hopfield à l'Université de Princeton dans le New Jersey "appartient à la région de l'informatique", explique Sabine Hossenfelder, physicien du Munich Center for Mathematical Philosophy en Allemagne. "Le prix Nobel annuel est une occasion rare pour la physique - et les physiciens - pour entrer sous les projecteurs. C'est le jour où les amis et la famille se souviennent qu'ils connaissent un physicien et peuvent peut-être demander ce qu'était ce dernier prix Nobel. Mais pas cette année."

Uniter certaines perspectives

Tout le monde n'était pas inquiet: de nombreux physiciens ont accueilli la nouvelle. "La recherche de Hopfield et Hinton a été interdisciplinaire et a réunis la physique, les mathématiques, l'informatique et les neurosciences", explique Matt Strassler, physicien théorique à l'Université Harvard à Cambridge, Massachusetts. "En ce sens, il appartient à tous ces domaines spécialisés."

Anil Ananthaswamy, journaliste scientifique de Berkeley, en Californie, et auteur du livre "Why Machine Learn", note que la recherche citée par le comité Nobel n'est pas la physique théorique au sens le plus pur, mais est enracinée dans les techniques et les concepts de la physique, comme l'énergie. Les "réseaux de Boltzmann" inventés par Hinton et les réseaux de Hopfield "sont tous deux des modèles axés sur l'énergie", dit-il.

La connexion à la physique s'est affaiblie dans les développements ultérieurs de l'apprentissage automatique, ajoute Ananthaswamy, en particulier avec les techniques "à la recherche" qui ont rendu les réseaux de neurones plus faciles à former. Néanmoins, les idées physiques reviennent et aident à comprendre les chercheurs pourquoi les systèmes d'apprentissage en profondeur de plus en plus complexes font ce qu'ils font. «Nous avons besoin de la façon de penser à la physique pour étudier l'apprentissage automatique», explique Lenka Zdeborová, qui recherche la physique statistique du calcul de l'Institut fédéral suisse de la technologie de Lausanne (EPFL).

"Je pense que le prix Nobel pour la physique devrait continuer à pénétrer de plus en plus de domaines de la connaissance physique", explique Giorgio Parisi, physicien à l'Université de Sapienza Rome, le a partagé le prix Nobel 2021 . "La physique devient de plus en plus large et comprend de nombreux domaines de connaissance qui n'existaient pas dans le passé ou qui ne faisaient pas partie de la physique."

pas seulement ki

L'informatique a semblé retirer le prix Nobel le lendemain de l'annonce du prix de la physique, comme Demis Hassabis et John Jumper, co-fondateur de Ki-Tools pour les prévisions de structure protéique Alphafold à Google DeepMind à Londres, la moitié du prix Nobel de chimie. (L'autre moitié a été décernée à David Baker de l'Université de Washington à Seattle pour des travaux sur la conception des protéines qui n'utilisent pas d'apprentissage automatique).

Le prix était la reconnaissance du pouvoir perturbateur de l'IA, mais aussi l'augmentation constante des connaissances de la biologie structurelle et assistée par ordinateur, explique David Jones, bioinformatrice à l'Université du Collège Londres, qui a travaillé avec DeepMind sur la première version d'Alphall. "Je ne pense pas que Alphafold représente un changement radical dans la science sous-jacente qui n'était pas déjà disponible", dit-il. "Il s'agit juste de savoir comment tout a été assemblé et conçu pour qu'Alphafold puisse atteindre ces hauteurs."

Un keyinput que Alphafold utilise sont les séquences de protéines apparentées de divers organismes qui peuvent identifier les paires d'acides aminés qui sont probablement du Ko-évolution et peuvent donc être proches de la structure 3D d'une protéine. Les chercheurs ont déjà utilisé ces connaissances pour prédire les structures protéiques lorsque Alphafold a été développé, et certains ont même commencé à mettre en œuvre l'idée dans les réseaux d'apprentissage en profondeur.

"Il n'a pas été facile que nous allions travailler, avons appuyé sur le bouton de l'IA, puis tout le monde est rentré chez lui", a déclaré Jumper lors d'une conférence de presse à DeepMind le 9 octobre. "C'était vraiment un processus itératif dans lequel nous avons développé, recherché et essayé de trouver les bonnes combinaisons entre ce que la communauté a compris sur les protéines et comment nous pourrions incorporer ces intuitions dans notre architecture."

alphafold n'aurait pas été possible si la base de données des protéines n'avait pas existé, un référentiel librement accessible de plus de 200 000 structures de protéines, dont certains qui ont contribué aux prix Nobel précédents - qui ont été déterminés en utilisant la cristallographie aux rayons X, la microscopie cryo-électron et d'autres méthodes expérimentales. "Chaque point de données est le résultat d'années d'effort de quelqu'un", a déclaré Jumper.

Depuis sa fondation en 1901, les prix Nobel sont souvent le reflet de l'influence de la recherche sur la société et ont récompensé les inventions pratiques, pas seulement la science pure. À cet égard, les prix en 2024 ne sont pas des valeurs aberrantes, explique Ananthaswamy. "Parfois, ils sont récompensés pour de très bons projets d'ingénierie. Data-Babel =" https://www.nobelprize.org/physics/1964/summary/ "Data-Track-Category =" Body Text Link "> Laser Et PCR .