L'intelligenza artificiale ai Nobel: la doppia vittoria fa discutere sulle discipline scientifiche

L'intelligenza artificiale ai Nobel: la doppia vittoria fa discutere sulle discipline scientifiche

Il Comitato per il Nobel ha riconosciuto il potere trasformativo dell'intelligenza artificiale (AI) in due dei premi di quest'anno. Premio Pionieri delle Reti Neurali in Fisica e il Sviluppatore di strumenti computazionali per lo studio e la progettazione di proteine nel premio di chimica. Ma non tutti i ricercatori sono soddisfatti.

Pochi istanti dopo che l'Accademia reale svedese delle scienze ha annunciato i vincitori del Premio Nobel per la fisica di quest'anno, il mondo dei social media ha vissuto un lampo di discussione. Diversi fisici hanno sostenuto che la scienza alla base della ricerca sull’apprendimento automatico celebrata nei premi per Geoffrey Hinton e John Hopfield non era in realtà la fisica.

"Sono senza parole. Apprezzo l'apprendimento automatico e le reti neurali artificiali tanto quanto chiunque altro, ma è difficile credere che si tratti di una scoperta fisica", ha scritto Jonathan Pritchard, astrofisico dell'Imperial College di Londra, su X. “Immagino che il premio Nobel sia stato colpito dall’hype sull’intelligenza artificiale”.

La ricerca di Hinton dell'Università di Toronto in Canada e di Hopfield dell'Università di Princeton nel New Jersey "appartiene al campo dell'informatica", afferma Sabine Hossenfelder, fisica del Centro di filosofia matematica di Monaco in Germania. "L'annuale Premio Nobel è una rara opportunità per la fisica - e i fisici - di mettersi sotto i riflettori. È il giorno in cui amici e familiari ricordano di conoscere un fisico e magari chiedono a cosa riguardava l'ultimo Premio Nobel. Ma non quest'anno."

Combinando alcune prospettive

Non tutti però si allarmarono: molti fisici accolsero con favore la notizia. “La ricerca di Hopfield e Hinton era interdisciplinare e riuniva fisica, matematica, informatica e neuroscienza”, afferma Matt Strassler, fisico teorico dell’Università di Harvard a Cambridge, Massachusetts. “In questo senso appartiene a tutte queste discipline”.

Anil Ananthaswamy, giornalista scientifico di Berkeley, California, e autore di "Perché le macchine imparano", osserva che, sebbene la ricerca citata dal Comitato per il Nobel non sia fisica teorica nel senso più puro, è radicata in tecniche e concetti della fisica, come l'energia. Le “reti di Boltzmann” e le reti di Hopfield inventate da Hinton “sono entrambi modelli guidati dall’energia”, afferma.

La connessione con la fisica si è indebolita negli sviluppi successivi dell’apprendimento automatico, aggiunge Ananthaswamy, in particolare nelle tecniche “feedforward” che hanno reso le reti neurali più facili da addestrare. Tuttavia, le idee fisiche stanno ritornando e aiutano i ricercatori a capire perché sistemi di deep learning sempre più complessi fanno quello che fanno. "Abbiamo bisogno della mentalità della fisica per studiare l'apprendimento automatico", afferma Lenka Zdeborová, ricercatrice di fisica statistica del calcolo presso il Politecnico federale di Losanna (EPFL).

"Penso che il Premio Nobel per la fisica dovrebbe continuare a penetrare sempre più aree della conoscenza fisica", afferma Giorgio Parisi, fisico dell'Università La Sapienza di Roma ha condiviso il Premio Nobel 2021. “La fisica sta diventando sempre più ampia e comprende molte aree di conoscenza che in passato non esistevano o non facevano parte della fisica”.

Non solo IA

L’informatica sembrò prendere il sopravvento sul Premio Nobel il giorno successivo all’annuncio del premio per la fisica, quando Demis Hassabis e John Jumper, cofondatori del Strumenti di intelligenza artificiale per la previsione della struttura delle proteine ​​AlphaFold presso Google DeepMind di Londra, che ha vinto metà del Premio Nobel per la Chimica. (L'altra metà è stata assegnata a David Baker dell'Università di Washington a Seattle per il lavoro sulla progettazione di proteine ​​che non utilizzava l'apprendimento automatico).

Il premio è stato un riconoscimento del potere dirompente dell’intelligenza artificiale, ma anche del costante aumento delle conoscenze nella biologia strutturale e computazionale, afferma David Jones, un bioinformatico dell’University College di Londra che ha lavorato con DeepMind sulla prima versione di AlphaFold. "Non credo che AlphaFold rappresenti un cambiamento radicale nella scienza di base che non esistesse già", afferma. "Tutto sta nel modo in cui tutto è stato messo insieme e progettato per consentire ad AlphaFold di raggiungere queste vette."

Un input chiave utilizzato da AlphaFold sono le sequenze di proteine ​​correlate di diversi organismi, che possono identificare coppie di amminoacidi che probabilmente si sono coevolute e quindi potrebbero trovarsi in prossimità fisica nella struttura 3D di una proteina. I ricercatori stavano già utilizzando queste informazioni per prevedere le strutture delle proteine ​​quando AlphaFold fu sviluppato, e alcuni iniziarono addirittura a implementare l’idea nelle reti di deep learning.

"Non si trattava semplicemente di andare al lavoro, premere il pulsante dell'intelligenza artificiale e poi tutti tornare a casa", ha detto Jumper in una conferenza stampa a DeepMind il 9 ottobre. "È stato davvero un processo iterativo in cui abbiamo sviluppato, fatto ricerche e cercato di trovare le giuste combinazioni tra ciò che la comunità comprendeva sulle proteine ​​e il modo in cui potevamo incorporare quelle intuizioni nella nostra architettura."

AlphaFold non sarebbe stato possibile nemmeno senza il Protein Database, un archivio liberamente accessibile di oltre 200.000 strutture proteiche – comprese alcune che hanno contribuito a precedenti premi Nobel – determinate utilizzando la cristallografia a raggi X, la microscopia crioelettronica e altri metodi sperimentali. "Ogni punto dati è il risultato degli anni di impegno di qualcuno", ha detto Jumper.

Sin dalla loro istituzione nel 1901, i Premi Nobel hanno spesso rispecchiato l’impatto della ricerca sulla società e hanno premiato le invenzioni pratiche, non solo la scienza pura. A questo proposito, i prezzi del 2024 non sono valori anomali, afferma Ananthaswamy. "A volte vengono assegnati per ottimi progetti di ingegneria. Questi includono i premi per Laser E PCR.”