Ai com preços Nobel: a dupla vitória provocou discussões sobre disciplinas científicas
Ai com preços Nobel: a dupla vitória provocou discussões sobre disciplinas científicas
Os comitês do Nobel reconheceram o poder transformador da inteligência artificial (KI) em dois dos preços deste ano-eles homenagearam pioneiros das redes neurais no preço da física e o Desenvolvedor de ferramentas de cálculo para examinar e projetar proteínas No prêmio químico. Mas nem todos os pesquisadores são satisfeitos.
Apenas alguns momentos após o anúncio dos vencedores do Prêmio Nobel de Física deste ano da Academia Real Sueca de Ciências, o mundo das mídias sociais experimentou um lampejo de discussões. Vários físicos argumentaram que a ciência subjacente à pesquisa mecânica de aprendizado, que foi celebrada nos prêmios por Geoffrey Hinton e John Hopfield, não era realmente física.
"Estou sem palavras. Agradeço o aprendizado de máquina e as redes neurais artificiais, bem como qualquer outra, mas é difícil ver que essa é uma descoberta física", escreveu Jonathan Pritchard, um astrofísico no Imperial College London, em x ." Acho que o prêmio Nobel foi atingido pelo hype da IA. "
A pesquisa de Hinton na Universidade de Toronto, no Canadá, e Hopfield, na Universidade de Princeton, em Nova Jersey, "pertence à área de ciência da computação", diz Sabine Hossenfelder, físico do Centro de Filosofia Matemática de Munique na Alemanha. "O Prêmio Nobel anual é uma rara oportunidade para a física - e os físicos - entrarem nos holofotes. É o dia em que amigos e familiares se lembram de que conhecem um físico e talvez perguntem sobre o que era esse último prêmio Nobel. Mas não este ano".
unir algumas perspectivas
Nem todo mundo estava preocupado: muitos físicos receberam as notícias. "A pesquisa de Hopfield e Hinton foi interdisciplinar e reuniu a física, matemática, ciência da computação e neurociências", diz Matt Strassler, físico teórico da Universidade de Harvard em Cambridge, Massachusetts. "Nesse sentido, pertence a todas essas áreas especializadas".
Anil Ananthaswamy, jornalista de ciências de Berkeley, Califórnia e autor do livro "Why Machine Learn, observa que a pesquisa citada pelo Comitê Nobel não é física teórica no sentido mais puro, mas está enraizado em técnicas e conceitos da física, como energia. As "Boltzmann Networks" inventadas por Hinton e Hopfield Networks "são modelos orientados por energia", diz ele.
A conexão com a física ficou mais fraca nos desenvolvimentos posteriores no aprendizado de máquina, acrescenta ananthaswamy, especialmente com as técnicas "feedforward" que facilitaram o treino das redes neurais. No entanto, as idéias físicas retornam e ajudam a entender os pesquisadores por que os sistemas de aprendizado profundo cada vez mais complexos fazem o que fazem. "Precisamos da maneira de pensar na física para estudar o aprendizado de máquina", diz Lenka Zdeborová, que pesquisa a física estatística do cálculo do Instituto Federal de Tecnologia suíço em Lausanne (EPFL).
"Acho que o Prêmio Nobel de Física deve continuar a penetrar cada vez mais áreas de conhecimento físico", diz Giorgio Parisi, físico da Roma da Universidade Sapienza, o compartilhou o Prêmio Nobel 2021 . "A física está se tornando cada vez mais ampla e inclui muitas áreas de conhecimento que não existiam no passado ou não faziam parte da física".
não apenas ki
A ciência da computação parecia assumir o prêmio Nobel no dia seguinte ao anunciado o Prêmio de Física, como Demis Hassabis e John Jumper, co-fundador de ki-tools para estrutura de proteínas prevê alphafold No Google Deepmind, em Londres, metade do prêmio Nobel de química. (A outra metade foi concedida a David Baker, da Universidade de Washington, em Seattle, para obras sobre design de proteínas que não usam aprendizado de máquina).
O prêmio foi o reconhecimento do poder disruptivo da IA, mas também o aumento constante do conhecimento em biologia estrutural e de computador, diz David Jones, bioinformatista da Universidade de College London, que trabalhou com a DeepMind na primeira versão de Alphall. "Não acho que Alphafold represente uma mudança radical na ciência subjacente que ainda não estava disponível", diz ele. "É apenas como tudo foi montado e projetado para que Alphafold pudesse alcançar essas alturas".
Um KeyInput que o alfafold usa são as seqüências de proteínas relacionadas de vários organismos que podem identificar pares de aminoácidos que provavelmente são ko-evolução e, portanto, podem estar próximos da estrutura 3D de uma proteína. Os pesquisadores já usaram esse conhecimento para prever estruturas de proteínas quando o Alphafold foi desenvolvido, e alguns até começaram a implementar a idéia em redes de aprendizado profundo.
"Não foi fácil trabalharmos, pressionamos o botão da IA e então todos foram para casa", disse Jumper em uma conferência de imprensa na DeepMind em 9 de outubro. "Foi realmente um processo iterativo no qual desenvolvemos, pesquisamos e tentamos encontrar as combinações certas entre o que a comunidade entendeu sobre proteínas e como poderíamos incorporar essas intuições em nossa arquitetura".
Alphafold não teria sido possível se o banco de dados de proteínas não existisse, um repositório livremente acessível de mais de 200.000 estruturas de proteínas-incluindo alguns que contribuíram para os preços do Nobel anterior-que foram determinados usando cristalografia de raios-X, microscopia crio-eletrônica e outros métodos experimentais. "Cada ponto de dados é o resultado de anos de esforço de alguém", disse Jumper.
Desde sua base em 1901, os preços do Nobel geralmente refletem a influência da pesquisa na sociedade e recompensaram invenções práticas, não apenas a ciência pura. Nesse sentido, os preços em 2024 não são outliers, diz 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 .