Umělá inteligence na Nobelových cenách: Dvojité vítězství rozproudí diskusi o vědeckých disciplínách

Umělá inteligence na Nobelových cenách: Dvojité vítězství rozproudí diskusi o vědeckých disciplínách

Nobelova komise uznala transformační sílu umělé inteligence (AI) ve dvou letošních cenách – ocenil Cena Průkopníci neuronových sítí ve fyzice a Vývojář výpočetních nástrojů pro studium a navrhování proteinů cena za chemii. Ne všichni výzkumníci jsou ale spokojeni.

Jen pár okamžiků poté, co Královská švédská akademie věd oznámila vítěze letošní Nobelovy ceny za fyziku, zažil svět sociálních sítí bleskovou diskusi. Několik fyziků tvrdilo, že věda, která je základem výzkumu strojového učení oslavovaného v cenách pro Geoffreyho Hintona a Johna Hopfielda, ve skutečnosti nebyla fyzika.

"Nemám slov. Oceňuji strojové učení a umělé neuronové sítě stejně jako kdokoli jiný, ale je těžké vidět, že jde o fyzikální objev," napsal Jonathan Pritchard, astrofyzik z Imperial College London. na X. "Myslím, že Nobelova cena byla zasažena humbukem AI."

Výzkum Hintona z University of Toronto v Kanadě a Hopfielda z Princetonské univerzity v New Jersey „patří do oblasti počítačových věd,“ říká Sabine Hossenfelder, fyzička z Mnichovského centra pro matematickou filozofii v Německu. "Výroční Nobelova cena je vzácnou příležitostí pro fyziku - a fyziky - vstoupit do centra pozornosti. Je to den, kdy si přátelé a rodina vzpomenou, že znají fyzika, a možná se ptají, o čem byla ta poslední Nobelova cena. Ale ne letos."

Kombinace některých pohledů

Ne všichni však byli znepokojeni: mnoho fyziků tuto zprávu uvítalo. „Výzkum Hopfielda a Hintona byl interdisciplinární a spojoval fyziku, matematiku, informatiku a neurovědu,“ říká Matt Strassler, teoretický fyzik z Harvardské univerzity v Cambridge ve státě Massachusetts. "V tomto smyslu patří ke všem těmto disciplínám."

Anil Ananthaswamy, vědecký novinář z Berkeley v Kalifornii a autor knihy „Proč se stroje učí“, poznamenává, že i když výzkum citovaný Nobelovou komisí není teoretickou fyzikou v nejčistším smyslu, má kořeny v technikách a konceptech z fyziky, jako je energie. „Boltzmannovy sítě“ a Hopfieldovy sítě vynalezené Hintonem „jsou oba modely poháněné energií,“ říká.

Spojení s fyzikou se v pozdějším vývoji strojového učení oslabilo, dodává Ananthaswamy, zejména v „dopředných“ technikách, které usnadnily trénování neuronových sítí. Přesto se fyzické myšlenky vracejí a pomáhají výzkumníkům pochopit, proč stále složitější systémy hlubokého učení dělají to, co dělají. „Pro studium strojového učení potřebujeme fyzikální myšlení,“ říká Lenka Zdeborová, která se zabývá statistickou fyzikou výpočtů na Švýcarském federálním technologickém institutu v Lausanne (EPFL).

„Myslím si, že Nobelova cena za fyziku by měla i nadále pronikat do stále více oblastí fyzikálních znalostí,“ říká Giorgio Parisi, fyzik z univerzity Sapienza v Římě. sdílet Nobelovu cenu za rok 2021. "Fyzika je stále širší a zahrnuje mnoho oblastí znalostí, které v minulosti neexistovaly nebo nebyly součástí fyziky."

Nejen AI

Zdálo se, že počítačová věda přebírá Nobelovu cenu den po vyhlášení ceny za fyziku, když Demis Hassabis a John Jumper, spoluzakladatelé Nástroje umělé inteligence pro predikci struktury proteinů AlphaFold na Google DeepMind v Londýně, který získal polovinu Nobelovy ceny za chemii. (Druhá polovina byla udělena Davidu Bakerovi z University of Washington v Seattlu za práci na proteinovém designu, který nevyužíval strojové učení).

Cena byla uznáním ničivé síly umělé inteligence, ale také neustálého nárůstu znalostí ve strukturální a výpočetní biologii, říká David Jones, bioinformatik z University College London, který spolupracoval s DeepMind na první verzi AlphaFold. "Nemyslím si, že AlphaFold představuje radikální posun v základní vědě, který tam ještě nebyl," říká. "Je to všechno o tom, jak bylo vše sestaveno a navrženo tak, aby umožnilo AlphaFold dosáhnout těchto výšin."

Klíčovým vstupem, který AlphaFold používá, jsou sekvence příbuzných proteinů z různých organismů, které mohou identifikovat páry aminokyselin, které se pravděpodobně společně vyvinuly, a proto mohou být ve fyzické blízkosti ve 3D struktuře proteinu. Výzkumníci již tento poznatek používali k předpovídání proteinových struktur, když byl AlphaFold vyvinut, a někteří dokonce začali implementovat tento nápad v sítích hlubokého učení.

„Nebyl to jen případ, kdy jsme šli do práce, zmáčkli tlačítko AI a pak se všichni vrátili domů,“ řekl Jumper na tiskové konferenci v DeepMind 9. října. „Byl to skutečně iterativní proces, kdy jsme vyvíjeli, prováděli výzkum a snažili se najít správné kombinace mezi tím, co komunita o proteinech pochopila, a tím, jak bychom mohli tyto intuice začlenit do naší architektury.“

AlphaFold by také nebyl možný bez Proteinové databáze, volně přístupného úložiště více než 200 000 proteinových struktur - včetně některých, které přispěly k předchozím Nobelovým cenám - určených pomocí rentgenové krystalografie, kryo-elektronové mikroskopie a dalších experimentálních metod. "Každý datový bod je výsledkem něčího letitého úsilí," řekl Jumper.

Od svého založení v roce 1901 byly Nobelovy ceny často odrazem vlivu výzkumu na společnost a odměňovaly praktické vynálezy, nejen čistou vědu. V tomto ohledu nejsou ceny roku 2024 odlehlé, říká Ananthaswamy. „Někdy se udělují za velmi dobré inženýrské projekty, mezi něž patří i ceny za Laser a PCR.“