AI ar Nobela cenām: dubultā uzvara izraisīja diskusiju par zinātniskām disciplīnām

AI ar Nobela cenām: dubultā uzvara izraisīja diskusiju par zinātniskām disciplīnām

Nobela komitejas ir atzinušas mākslīgā intelekta (KI) pārveidojošo spēku divās no šī gada cenām-viņi pagodināja neironu tīklu pionieri fizikas cenā un Aprēķinu rīku izstrādātājs olbaltumvielu pārbaudei un projektēšanai Ķīmiskajā balvā. Bet ne visi pētnieki ir apmierināti.

Tikai dažus mirkļus pēc Zviedrijas Karaliskās Zinātņu akadēmijas “Nobela fizikas prēmijas” uzvarētājiem paziņojot par šo gadu, sociālo mediju pasaule piedzīvoja diskusiju zibspuldzi. Vairāki fiziķi apgalvoja, ka zinātne, kas pamatā mehāniskās mācīšanās pētījumos, kas tika svinēti Geoffrey Hinton un John Hopfield balvās, faktiski nebija fizika.

"Es esmu bez runas. Es novērtēju mašīnu apguvi un mākslīgos neironu tīklus, kā arī jebkuru citu, taču ir grūti redzēt, ka tas ir fizisks atklājums," rakstīja Jonathan Pritchard, astrofiziķis Londonas imperatora koledžā, uz x ." Es domāju, ka Nobela prēmija skāra AI hype. "

Hintonas pētījums Toronto universitātē Kanādā un Hopfīldas Prinstonas universitātē Ņūdžersijā "pieder datorzinātņu jomai", saka Sabīne Hosenfeldera, Minhenes matemātiskās filozofijas centra fiziķe Vācijā. "Ikgadējā Nobela prēmija ir reta iespēja fizikai un fiziķiem - iekļūt uzmanības centrā. Tā ir diena, kad draugi un ģimenes locekļi atceras, ka viņi zina fiziķi un varbūt pajautā, par ko bija šī pēdējā Nobela prēmija. Bet ne šogad."

apvienot dažas perspektīvas

Ne visi bija noraizējušies: daudzi fiziķi atzinīgi novērtēja ziņas. "Hopfīldas un Hintona pētījumi bija starpdisciplināri un kopā apvienoja fiziku, matemātiku, datorzinātnes un neirozinātnes," saka Metjū Strasslers, teorētiskais fiziķis Hārvardas universitātē Kembridžā, Masačūsetsā. "Šajā ziņā tas pieder visām šīm speciālistu jomām."

Anil Ananthaswamy, zinātnes žurnālists no Berkeley, Kalifornijā un grāmatas “Kāpēc Machine Learn” autors, norāda, ka Nobela komitejas minētais pētījums nav teorētiska fizika tīrākajā nozīmē, bet ir sakņojas paņēmienos un koncepcijās no fizikas, piemēram, enerģijas. Hintona un Hopfīldas tīkla izgudrotie "Boltzmann Networks" ir abi ar enerģiju balstīti modeļi, "viņš saka.

Saikne ar fiziku kļuva vājāka vēlākajās attīstībās mašīnu apguvē, pievieno Ananthaswamy, it īpaši ar “barošanas” metodēm, kas neironu tīklus atvieglo apmācību. Neskatoties uz to, fiziskās idejas atgriežas un palīdz izprast pētniekus, kāpēc arvien sarežģītākās dziļo mācību sistēmas dara to, ko viņi dara. "Mums ir nepieciešams veids, kā domāt par fiziku, lai studētu mašīnu apguvi," saka Lenka Zdeborová, kurā tiek pētīta Šveices Federālā tehnoloģiju institūta Lozannas institūta (EPFL) aprēķina statistiskā fizika.

"Es domāju, ka Nobela prēmijai par fiziku vajadzētu turpināt iekļūt arvien vairāk fizisko zināšanu jomu," saka Giorgio Parisi, Sapienza universitātes Romas fiziķis, The dalījās ar Nobela prēmiju 2021 . "Fizika kļūst arvien plašāka un ietver daudzas zināšanu jomas, kas pagātnē nav pastāvējušas vai nebija fizikas sastāvdaļa."

ne tikai ki

Datorzinātne, šķiet, pārņēma Nobela prēmiju dienu pēc fizikas balvas paziņošanas, kā Demis Hassabis un John Jumper, Ki-toools olbaltumvielu struktūras prognozētajam Alphafold Google DeepMind Londonā, puse no ķīmijas Nobela balvas. (Otra puse tika piešķirta Deividam Beikeram no Vašingtonas Universitātes Sietlā par olbaltumvielu dizainu, kas neizmanto mašīnu apguvi).

Balva bija AI graujošā spēka atzīšana, kā arī pastāvīgs zināšanu pieaugums strukturālā un datora bioloģijā, saka Deivids Džounss, Bioinformātists Londonas koledžas universitātē, kurš strādāja ar DeepMind pie Alphall pirmās versijas. "Es nedomāju, ka Alphafold atspoguļo radikālas izmaiņas pamatā esošajā zinātnē, kas vēl nebija pieejama," viņš saka. "Tas ir tikai par to, kā viss tika salikts un projektēts, lai Alphafold varētu sasniegt šos augstumus."

KeyInput, ko izmanto Alphafold, ir dažādu organismu saistīto olbaltumvielu sekvences, kas var identificēt aminoskābju pārus, kas, iespējams, ir KO-EVOULTIONT un tāpēc var būt tuvu olbaltumvielu 3D struktūrai. Pētnieki jau ir izmantojuši šīs zināšanas, lai prognozētu olbaltumvielu struktūras, kad tika izstrādāts Alphafold, un daži pat sāka šo ideju īstenot dziļo mācību tīklos.

"Nebija viegli, ka mēs devāmies uz darbu, nospiedām AI pogu un tad visi devās mājās," 9. oktobrī sacīja preses konferencē Deepmind preses konferencē. "Tas tiešām bija iteratīvs process, kurā mēs izstrādājām, izpētījām un mēģinājām atrast pareizās kombinācijas starp to, ko sabiedrība saprata par olbaltumvielām, un to, kā mēs varētu iekļaut šīs intuīcijas mūsu arhitektūrā."

Alphafold nebūtu bijis iespējams, ja olbaltumvielu datu bāze nebūtu pastāvējusi, brīvi pieejama krātuve, kurā bija vairāk nekā 200 000 olbaltumvielu struktūru, iekļaujot dažus, kas veicināja iepriekšējās Nobela cenas, kuras tika noteiktas, izmantojot rentgenstaru kristalogrāfiju, krio-elektronu mikroskopiju un citas eksperimentālas metodes. "Katrs datu punkts ir cilvēku pūles rezultāts," sacīja Jumpers.

Kopš tā dibināšanas 1901. gadā Nobela cenas bieži ir atspoguļojušas pētījumu ietekmi uz sabiedrību un ir atalgojušas praktiskus izgudrojumus, ne tikai tīru zinātni. Šajā sakarā cenas 2024. gadā nav novirzes, saka Ananthaswamy. "Dažreiz tie tiek piešķirti ļoti labiem inženiertehniskiem projektiem. Data-laBel =" https://www.nobelprize.org/physics/1964/summary/ "data-strack-category =" ķermeņa teksta saite "> laser un PCR .