AI Nobel -árakkal: A kettős győzelem vitát váltott ki a tudományos tudományágakról

AI Nobel -árakkal: A kettős győzelem vitát váltott ki a tudományos tudományágakról

A Nobel-bizottságok elismerték a mesterséges intelligencia (KI) átalakító erejét az idei árak közül kettőben-megtiszteltetés Pioneers of the neural networks in the physics price and the Számítási eszközök fejlesztője a fehérjék vizsgálatához és megtervezéséhez.

Csak néhány pillanattal az idei Nobel -fizika -díj nyerteseinek bejelentése után a Svéd Királyi Tudományos Akadémia által a szociális média világának megvitatása során felmerült. Számos fizikus azzal érvelt, hogy a mechanikus tanulási kutatás alapjául szolgáló tudomány, amelyet Geoffrey Hinton és John Hopfield díján ünnepeltek, valójában nem fizika.

"Szótlan vagyok. Nagyra értékelem a gépi tanulást és a mesterséges ideghálózatokat, valamint bármely más, de nehéz belátni, hogy ez egy fizikai felfedezés"-írta Jonathan Pritchard, a London Imperial College asztrofizikusja, x ." Azt hiszem, a Nobel-díjat az AI hype sújtotta. "

Hinton kutatása a kanadai torontói egyetemen és a New Jersey -i Princetoni Egyetemen a Hopfield -ben "a számítástechnika területéhez tartozik" - mondja Sabine Hossenfelder, a németországi matematikai filozófia müncheni központjának fizikus. "Az éves Nobel -díj ritka lehetőség a fizika - és a fizikusok számára -, hogy belépjenek a reflektorfénybe. Ez az a nap, amikor a barátok és a család emlékszik, hogy ismerik a fizikusokat, és talán azt kérdezik, hogy miről szól ez az utolsó Nobel -díj. De nem ebben az évben."

egyesítsen néhány perspektívát

Nem mindenki aggódott: sok fizikus üdvözölte a hírt. "Hopfield és Hinton kutatása interdiszciplináris volt, és együtt hozta a fizikát, a matematikát, a számítástechnikát és az idegtudományokat" - mondta Matt Strassler, a Cambridge -i Harvard Egyetem elméleti fizikusja. "Ebben az értelemben mindezen speciális területekhez tartozik."

Anil Ananthaswamy, a kaliforniai Berkeley tudományos újságírója és a "Why Machine Learn" című könyv szerzője megjegyzi, hogy a Nobel -bizottság által idézett kutatás a legtisztább értelemben nem elméleti fizika, hanem a fizikából származó technikákban és fogalmakban gyökerezik, például az energia. A Hinton és a Hopfield Networks által feltalált "Boltzmann hálózatok" egyaránt energiavezérelt modellek "-mondja.

A fizikával való kapcsolat gyengébbé vált a gépi tanulás későbbi fejleményeiben, hozzáadja Ananthaswamy -t, különösen a "FeedForward" technikákkal, amelyek megkönnyítették a neurális hálózatok edzését. Ennek ellenére a fizikai ötletek visszatérnek és segítenek megérteni a kutatókat, hogy az egyre összetettebb mély tanulási rendszerek miért teszik azt, amit csinálnak. "Szükségünk van a fizika gondolkodásának módjára a gépi tanulás tanulmányozásához" - mondja Lenka Zdeborová, amely kutatja a Svájci Szövetségi Technológiai Intézet (EPFL) kiszámításának statisztikai fizikáját.

"Úgy gondolom, hogy a fizikai Nobel-díjnak továbbra is behatolnia kell a fizikai ismeretek egyre több területén"-mondja Giorgio Parisi, a Róma Sapienza Egyetem fizikusának, a megosztotta a Nobel-díjat 2021 . "A fizika egyre szélesebb körben egyre szélesebb, és olyan tudás területeit is magában foglalja, amelyek a múltban nem léteztek, vagy nem voltak a fizika részei."

nem csak Ki

Úgy tűnt, hogy a számítástechnika a fizikai díj bejelentését követő napon átvette a Nobel-díjat, mint Demis Hassabis és John Jumper, a Ki-szerszámok a fehérje szerkezetének előrejelzéséhez A londoni Google DeepMindnél, a kémiai Nobel-díj felének felében. (A másik felét David Bakernek ítélték oda a seattle -i washingtoni egyetemen, a fehérjetervezésről szóló munkákért, amelyek nem használják a gépi tanulást).

A díj az AI zavaró erejének elismerése volt, de a tudás folyamatos növekedése a strukturális és a számítógépes biológiában is -mondja David Jones, a Londoni Egyetem bioinformatistája, aki az Alplall első verzióján dolgozott a DeepMind -nal. "Nem hiszem, hogy az Alphafold radikális változást képvisel a mögöttes tudományban, amely még nem volt elérhető" - mondja. "Csak arról szól, hogy mindent összeállítottak és úgy terveztek, hogy az Alphafold elérje ezeket a magasságokat."

Az Alphafold által használt keyinput a kapcsolódó fehérjék szekvenciái a különféle organizmusokból, amelyek azonosíthatják az aminosavpárokat, amelyek valószínűleg Ko-evolúciós, és ezért közel állhatnak a fehérje 3D-s szerkezetéhez. A kutatók már felhasználták ezeket az ismereteket a fehérje struktúrák előrejelzésére az Alphafold fejlesztésekor, és néhányan még a mély tanulási hálózatokban is elkezdték megvalósítani az ötletet.

"Nem volt könnyű dolgozni, megnyomjuk az AI gombot, majd mindenki hazament" - mondta Jumper a DeepMind sajtótájékoztatóján október 9 -én. "Valójában egy iteratív folyamat volt, amelybe kifejlesztettünk, kutatottuk és megpróbáltuk megtalálni a jobb kombinációkat a közösség által megértett fehérjék és az intuíciók beépítése között az építészetünkbe."

alfafold nem lett volna lehetséges, ha a fehérje adatbázis nem létezett volna, egy szabadon elérhető, több mint 200 000 fehérjeszerkezetből álló tároló, beleértve néhányat, amelyek hozzájárultak a korábbi Nobel-árakhoz, amelyeket röntgenkristálytámasz, krio-elektronmikroszkópia és más kísérleti módszerek alkalmazásával határoztak meg. "Minden adatpont valaki erőfeszítéseinek eredménye" - mondta Jumper.

Az 1901 -es alapja óta a Nobel árai gyakran tükrözik a kutatás társadalomra gyakorolt ​​hatását, és a gyakorlati találmányokat, nem csak a tiszta tudományt jutalmazták. Ebben a tekintetben az árak 2024 -ben nem túlmutatnak - mondja Ananthaswamy. "Időnként nagyon jó mérnöki projektekért ítélik oda őket. Data-Label =" https://www.nobelprize.org/physics/1964/summary/ "data-track-category =" Body Text Link "> Laser és pcr .