AI con prezzi Nobel: la doppia vittoria ha suscitato la discussione sulle discipline scientifiche

AI con prezzi Nobel: la doppia vittoria ha suscitato la discussione sulle discipline scientifiche

I comitati Nobel hanno riconosciuto il potere trasformativo dell'intelligenza artificiale (KI) in due dei prezzi di quest'anno, onorati Pioniers delle reti neurali nel prezzo di fisica e il sviluppatore di strumenti di calcolo per esaminare e progettare proteine ​​ nel premio chimico. Ma non tutti i ricercatori sono soddisfatti.

Solo pochi istanti dopo l'annuncio dei vincitori del premio Nobel Physics di quest'anno dalla Royal Swedish Academy of Sciences, il mondo dei social media ha sperimentato un lampo di discussioni. Diversi fisici hanno sostenuto che la scienza alla base della ricerca di apprendimento meccanico, che è stata celebrata nei premi per Geoffrey Hinton e John Hopfield, non era in realtà fisica.

"Sono senza parole. Apprezzo l'apprendimento automatico e le reti neurali artificiali, nonché qualsiasi altra, ma è difficile vedere che questa è una scoperta fisica", ha scritto Jonathan Pritchard, un astrofisico all'Imperial College di Londra, su x ." Immagino che il premio Nobel sia stato colpito da AI Hype. "

La ricerca di Hinton all'Università di Toronto in Canada e Hopfield alla Princeton University nel New Jersey "appartiene all'area dell'informatica", afferma Sabine Hossenfelder, fisico presso il Centro di Monaco per la filosofia matematica in Germania. "Il premio Nobel annuale è una rara opportunità per la fisica - e i fisici - di entrare sotto i riflettori. È il giorno in cui amici e familiari ricordano che conoscono un fisico e forse chiedono di cosa si trattasse quest'ultimo premio Nobel. Ma non quest'anno."

Unisci alcune prospettive

Non tutti erano preoccupati: molti fisici hanno accolto con favore la notizia. "La ricerca di Hopfield e Hinton è stata interdisciplinare e ha riunito fisica, matematica, informatica e neuroscienze", afferma Matt Strassler, fisico teorico presso la Harvard University di Cambridge, nel Massachusetts. "In questo senso, appartiene a tutte queste aree specialistiche."

Anil Ananthaswamy, giornalista scientifico di Berkeley, in California e autore del libro "Why Machine Learn", osserva che la ricerca citata dal Comitato Nobel non è la fisica teorica nel senso più puro, ma è radicata nelle tecniche e nei concetti della fisica, come l'energia. Le "Boltzmann Networks" inventate da Hinton e The Hopfield Networks "sono entrambi modelli basati sull'energia", afferma.

La connessione alla fisica è diventata più debole negli sviluppi successivi dell'apprendimento automatico, aggiunge Ananthaswamy, in particolare con le tecniche "feedforward" che hanno reso più facili le reti neurali da allenarsi. Tuttavia, le idee fisiche ritornano e aiutano a comprendere i ricercatori perché i sistemi di apprendimento profondo sempre più complessi fanno ciò che fanno. "Abbiamo bisogno del modo di pensare alla fisica per studiare l'apprendimento automatico", afferma Lenka Zdeborová, che ricerca la fisica statistica del calcolo dello svizzero Federal Institute for Technology a Lausanne (EPFL).

"Penso che il premio Nobel per la fisica debba continuare a penetrare sempre più aree di conoscenza fisica", afferma Giorgio Parisi, fisico presso la Sapienza University Rome, il ha condiviso il premio Nobel 2021 . "La fisica sta diventando sempre più ampia e include molte aree di conoscenza che non esistevano in passato o non facevano parte della fisica".

non solo ki

L'informatica sembrava rilevare il premio Nobel il giorno dopo l'annuncio del premio per la fisica, come Demis Hassabis e John Jumper, co-fondatore di Ki-tools per la struttura proteica Previsione Alphafold A Google DeepMind a Londra, metà del premio di chimica Nobel. (L'altra metà è stata assegnata a David Baker presso l'Università di Washington a Seattle per lavori sulla progettazione di proteine ​​che non usano l'apprendimento automatico).

Il premio è stato il riconoscimento del potere dirompente dell'IA, ma anche il costante aumento delle conoscenze nella biologia strutturale e assistita da computer, afferma David Jones, bioinformatista presso l'Università del College di Londra, che ha lavorato con DeepMind nella prima versione di Alphall. "Non credo che Alphafold rappresenti un cambiamento radicale nella scienza sottostante che non era già disponibile", afferma. "Si tratta solo di come tutto è stato messo insieme e progettato in modo che Alphafold potesse raggiungere queste altezze."

Un'input chiave che Alphafold usa sono le sequenze di proteine ​​correlate di vari organismi che possono identificare coppie di aminoacidi che sono probabilmente ko-evoluzione e quindi possono essere vicine alla struttura 3D di una proteina. I ricercatori hanno già usato questa conoscenza per prevedere le strutture proteiche quando è stato sviluppato Alphafold e alcuni hanno persino iniziato a implementare l'idea nelle reti di apprendimento profondo.

"Non è stato facile che siamo andati a lavorare, abbiamo premuto il pulsante AI e poi tutti sono andati a casa", ha detto Jumper in una conferenza stampa a DeepMind il 9 ottobre. "È stato davvero un processo iterativo in cui abbiamo sviluppato, studiato e cercato di trovare le giuste combinazioni tra ciò che la comunità comprendeva sulle proteine ​​e su come potremmo incorporare queste intuizioni nella nostra architettura".

Alphafold non sarebbe stato possibile se il database delle proteine ​​non esistesse, un deposito liberamente accessibile di oltre 200.000 strutture proteiche tra cui alcune che hanno contribuito ai precedenti prezzi Nobel, che sono stati determinati usando la cristallografia a raggi X, la microscopia crioelettronica e altri metodi sperimentali. "Ogni punto dati è il risultato di anni di sforzi di qualcuno", ha detto Jumper.

Dalla sua fondazione nel 1901, i prezzi Nobel sono stati spesso un riflesso dell'influenza della ricerca sulla società e hanno premiato le invenzioni pratiche, non solo la pura scienza. A questo proposito, i prezzi nel 2024 non sono valori anomali, afferma Ananthaswamy. "Sometimes they are awarded for very good engineering projects. Data-label = "https://www.nobelprize.org/physics/1964/summary/" Data-track-category = "Body text link"> laser and PCR . "