AI cu prețuri Nobel: Victoria dublă a stârnit discuții despre disciplinele științifice

AI cu prețuri Nobel: Victoria dublă a stârnit discuții despre disciplinele științifice

Comitetele Nobel au recunoscut puterea transformatoare a inteligenței artificiale (KI) la două dintre prețurile din acest an-they onorat Pionieri ai rețelelor neuronale în prețul fizicii și Dezvoltator de instrumente de calcul pentru examinarea și proiectarea proteinelor În premiul chimic. Dar nu toți cercetătorii sunt satisfăcuți.

La doar câteva clipe după anunțarea câștigătorilor premiului Nobel Physics din acest an de către Royal Sueden Sueden Academy of Sciences, lumea social media a cunoscut o clipă de discuții. Câțiva fizicieni au susținut că știința care stă la baza cercetării mecanice de învățare, care a fost sărbătorită în premiile pentru Geoffrey Hinton și John Hopfield, nu a fost de fapt fizică.

"Sunt fără cuvinte. Apreciez învățarea automată și rețelele neuronale artificiale, precum și oricare alta, dar este dificil de observat că aceasta este o descoperire fizică", a scris Jonathan Pritchard, astropician la Imperial College London, pe X ." Cred că premiul Nobel a fost lovit de AI Hype. "

Cercetarea lui Hinton la Universitatea din Toronto din Canada și Hopfield la Universitatea Princeton din New Jersey „aparține zonei de informatică”, spune Sabine Hossenfelder, fizician la Centrul Munchen pentru Filozofie Matematică din Germania. "Premiul anual Nobel este o oportunitate rară pentru fizică - și fizicieni - de a intra în lumina reflectoarelor. Este ziua în care prietenii și familia își amintesc că știu un fizician și poate întreabă despre ce a fost acest ultim premiu Nobel. Dar nu anul acesta."

uniți unele perspective

nu toată lumea era îngrijorată: mulți fizicieni au salutat vestea. „Cercetarea Hopfield și Hinton a fost interdisciplinară și a adus împreună fizică, matematică, informatică și neuroștiințe”, spune Matt Strassler, un fizician teoretic la Universitatea Harvard din Cambridge, Massachusetts. „În acest sens, aparține tuturor acestor domenii de specialitate”.

Anil Ananthaswamy, jurnalist științific din Berkeley, California și autorul cărții „De ce Machine Learn”, observă că cercetarea citată de Comitetul Nobel nu este fizică teoretică în sensul cel mai pur, ci este înrădăcinată în tehnici și concepte din fizică, cum ar fi energia. „Rețelele Boltzmann” inventate de Hinton și rețelele Hopfield ”sunt ambele modele bazate pe energie”, spune el.

Conexiunea la fizică a devenit mai slabă în evoluțiile ulterioare în învățarea automată, adaugă Ananthaswamy, în special cu tehnicile „feedforward” care au făcut rețelele neuronale mai ușor de instruit. Cu toate acestea, ideile fizice se întorc și ajută la înțelegerea cercetătorilor de ce sistemele de învățare profundă din ce în ce mai complexă fac ceea ce fac. „Avem nevoie de modul de gândire a fizicii pentru a studia învățarea automată”, spune Lenka Zdeborová, care cercetează fizica statistică a calculului Institutului Federal Elvețian Federal pentru Tehnologie din Lausanne (EPFL).

"Cred că Premiul Nobel pentru fizică ar trebui să continue să pătrundă din ce în ce mai multe domenii de cunoștințe fizice", spune Giorgio Parisi, fizician la Roma Universității Sapienza, a distribuit Premiul Nobel 2021 . "Fizica devine din ce în ce mai largă și include multe domenii de cunoștințe care nu au existat în trecut sau nu făceau parte din fizică."

nu doar ki

Computer Science a părut să preia premiul Nobel a doua zi după ce a fost anunțat premiul fizic, în calitate de Demis Hassabis și John Jumper, co-fondator al ki-tools pentru structura proteinelor Alphafold la Google DeepMind la Londra, jumătate din premiul Nobel de chimie. (Cealaltă jumătate a fost acordată lui David Baker de la Universitatea Washington din Seattle pentru lucrări despre proiectarea proteinelor care nu folosesc învățarea automată).

Premiul a fost recunoașterea puterii perturbatoare a AI, dar și creșterea constantă a cunoștințelor în biologia structurală și computerizată, spune David Jones, un bioinformatist la Universitatea din College London, care a lucrat cu DeepMind la prima versiune a Alphall. „Nu cred că Alphafold reprezintă o schimbare radicală în știința care stă la baza care nu era deja disponibilă”, spune el. „Este doar modul în care totul a fost pus la punct și proiectat, astfel încât Alphafold să poată atinge aceste înălțimi”.

Un cheie pe care îl folosește Alphafold sunt secvențele proteinelor conexe din diverse organisme care pot identifica perechile de aminoacizi care sunt probabil evoluție KO și, prin urmare, pot fi apropiate de structura 3D a unei proteine. Cercetătorii au folosit deja aceste cunoștințe pentru a prezice structurile proteice atunci când a fost dezvoltat Alphafold, iar unii chiar au început să implementeze ideea în rețelele de învățare profundă.

"Nu a fost ușor să mergem la muncă, am apăsat butonul AI și apoi toată lumea a plecat acasă", a spus Jumper la o conferință de presă la Deepmind, pe 9 octombrie. "A fost într -adevăr un proces iterativ în care am dezvoltat, cercetat și am încercat să găsim combinațiile potrivite între ceea ce comunitatea a înțeles despre proteine ​​și cum am putea încorpora aceste intuiții în arhitectura noastră."

Alphafold nu ar fi fost posibil dacă baza de date proteică nu ar fi existat, un depozit accesibil liber de peste 200.000 de structuri proteice care includ unele care au contribuit la prețurile Nobel anterioare-care au fost determinate folosind cristalografia cu raze X, microscopie crio-electronică și alte metode experimentale. „Fiecare punct de date este rezultatul anilor de efort din partea cuiva”, a spus Jumper.

De la fondarea sa din 1901, prețurile Nobel au fost adesea o reflectare a influenței cercetării asupra societății și au recompensat invenții practice, nu doar știință pură. În acest sens, prețurile din 2024 nu sunt exterioare, spune 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 .