AI s Nobelovim cijenama: Dvostruka pobjeda izazvala je raspravu o znanstvenim disciplinama

AI s Nobelovim cijenama: Dvostruka pobjeda izazvala je raspravu o znanstvenim disciplinama

Nobelovi odbori prepoznali su transformativnu moć umjetne inteligencije (KI) u dvije ovogodišnje cijene-počastili su se Pioniri neuronskih mreža u cijeni fizike i Programer alata za izračunavanje za ispitivanje i dizajniranje proteina u kemijskoj nagradi. Ali nisu svi istraživači.

Samo nekoliko trenutaka nakon objave pobjednika ovogodišnje nagrade Nobelove fizike Kraljevske švedske akademije znanosti, svijet društvenih medija doživio je bljesak rasprava. Nekoliko fizičara tvrdilo je da znanost koja se temelji na mehaničkom istraživanju učenja, koje je proslavljeno u nagradama za Geoffrey Hinton i Johna Hopfielda, zapravo nije fizika.

"Ja sam bez riječi. Cijenim strojno učenje i umjetne neuronske mreže, kao i bilo koje druge, ali teško je vidjeti da je ovo fizičko otkriće", napisao je Jonathan Pritchard, astrofizičar na Imperial College London, na x ." Pretpostavljam da je Nobelova nagrada pogođena ai hipeom. "

Istraživanje Hintona na Sveučilištu u Torontu u Kanadi i Hopfield na Sveučilištu Princeton u New Jerseyju "pripada području informatičkih znanosti", kaže Sabine Hossenfelder, fizičarka iz Münchenskog centra za matematičku filozofiju u Njemačkoj. "Godišnja Nobelova nagrada rijetka je prilika za fiziku - i fizičare - da zakorače u središte pozornosti. Dan je kada se prijatelji i obitelj sjećaju da znaju fizičara i možda pitaju o čemu se radi o ovoj posljednjoj Nobelovoj nagradi. Ali ne ove godine."

Ujedinite neke perspektive

Nisu svi bili zabrinuti: mnogi su fizičari pozdravili vijesti. "Istraživanje Hopfielda i Hintona bilo je interdisciplinarno i spojilo je fiziku, matematiku, informatiku i neuroznanosti", kaže Matt Strassler, teorijski fizičar sa Sveučilišta Harvard u Cambridgeu, Massachusetts. "U tom smislu, pripada svim tim specijalističkim područjima."

Anil Ananthaswamy, znanstveni novinar iz Berkeleyja u Kaliforniji i autor knjige "Zašto Machine Learning", napominje da istraživanje koje je naveo Nobelov odbor nije teorijska fizika u najčišćem smislu, već je ukorijenjena u tehnikama i konceptima fizike, poput energije. "Boltzmannove mreže" koje su izmislili Hinton i Hopfield Networks "obojica su modeli usmjereni na energiju", kaže on.

Povezanost s fizikom postala je slabija u kasnijim razvojima strojnog učenja, dodaje Ananthaswamy, posebno s tehnikama "Feedforward" koje su neuronske mreže olakšale za obuku. Ipak, fizičke ideje vraćaju se i pomažu u razumijevanju istraživača zašto sve složeniji sustavi dubokog učenja rade ono što rade. "Potreban nam je način razmišljanja o fizici za proučavanje strojnog učenja", kaže Lenka Zdeborová, koja istražuje statističku fiziku izračuna Švicarskog saveznog instituta za tehnologiju u Lausanne (EPFL).

"Mislim da bi Nobelova nagrada za fiziku trebala nastaviti prodirati sve više i više područja fizičkog znanja", kaže Giorgio Parisi, fizičar na Sveučilištu Sapienza, Podijelili su Nobelovu nagradu 2021 . "Fizika postaje sve šira i uključuje mnoga područja znanja koja nisu postojala u prošlosti ili nisu bila dio fizike."

Ne samo ki

Činilo se da je informatička znanost preuzela Nobelovu nagradu dan nakon što je najavljena nagrada za fiziku, kao što su DeMIS Hassabis i John Jumper, suosnivači ki-taols za prognozu proteinske strukture Alphafold na Google Deepmind u Londonu, polovica nobelove nagrade. (Druga polovica dodijeljena je Davidu Bakeru sa Sveučilišta u Washingtonu u Seattleu radi radova na dizajnu proteina koji ne koriste strojno učenje).

Nagrada je bila prepoznavanje razarajuće moći AI, ali i stalno povećanje znanja u strukturnoj i računalno -reaidnoj biologiji, kaže David Jones, bioinformatičar sa Sveučilišta u College London, koji je radio s DeepMind -om na prvoj verziji Alphall -a. "Ne mislim da Alphafold predstavlja radikalnu promjenu u osnovnoj znanosti koja već nije bila dostupna", kaže on. "Radi se o tome kako je sve sastavljeno i dizajnirano kako bi Alphafold mogao dostići ove visine."

Keyinput koji Alphafold koristi su sekvence srodnih proteina iz različitih organizma koji mogu identificirati parove aminokiselina koji su vjerojatno KO-evolucija i stoga mogu biti blizu 3D strukturi proteina. Istraživači su već koristili ovo znanje za predviđanje struktura proteina kada je Alphafold razvijen, a neki su čak počeli provoditi ideju u mrežama dubokog učenja.

"Nije bilo lako da smo krenuli na posao, pritisnuli AI gumb, a onda su svi otišli kući", rekao je skakač na konferenciji za novinare u DeepMind -u 9. listopada. "To je zaista bio iterativni proces u kojem smo razvili, istraživali i pokušali pronaći prave kombinacije između onoga što je zajednica shvatila o proteinima i kako bismo te intuicije mogli uključiti u našu arhitekturu."

Alphafold ne bi bio mogući da baza podataka proteina nije postojala, slobodno dostupno spremište više od 200 000 proteinskih struktura, uključujući neke koje su pridonijele prethodnim Nobelovim cijenama-koje su određene kristalografijom rendgenskih zraka, krio-elektronskom mikroskopijom i drugim eksperimentalnim metodama. "Svaka podatkovna točka rezultat je godina napora od nekoga", rekao je skakač.

Od svog temelja 1901., Nobelove cijene često su odraz utjecaja istraživanja na društvo i nagrađivale praktične izume, a ne samo čiste znanosti. U tom pogledu, cijene 2024. nisu odmetnici, kaže Ananthaswamy. "Ponekad se dodjeljuju za vrlo dobre inženjerske projekte. Data-label =" https://www.nobelprize.org/physics/1964/summary/ "Data-track-CAGERYS =" Tekstualna veza s tijelom "> Laser i PCR .