AI Nobeli auhindade jagamisel: topeltvõit tekitab arutelu teadusdistsipliinide üle

AI Nobeli auhindade jagamisel: topeltvõit tekitab arutelu teadusdistsipliinide üle

Nobeli komitee on tunnustanud tehisintellekti (AI) muutvat jõudu kahe selle aasta auhinnaga – nad autasustasid Neuraalvõrkude pioneerid füüsika auhind ja Arvutusvahendite arendaja valkude uurimiseks ja kujundamiseks keemiaauhind. Kuid mitte kõik teadlased pole rahul.

Vaid mõni hetk pärast seda, kui Rootsi Kuninglik Teaduste Akadeemia tänavused Nobeli füüsikapreemia laureaadid välja kuulutas, koges sotsiaalmeedia maailm diskussiooni välgatust. Mitmed füüsikud väitsid, et Geoffrey Hintoni ja John Hopfieldi auhindade jagamisel tähistatud masinõppe uurimistöö aluseks olev teadus ei olnud tegelikult füüsika.

"Ma olen sõnatu. Hindan masinõpet ja tehisnärvivõrke sama palju kui keegi teine, kuid on raske aru saada, et see on füüsika avastus," kirjutas Londoni Imperial College'i astrofüüsik Jonathan Pritchard. kohta X. "Arvan, et Nobeli preemiat tabas AI-hüpe."

Hintoni uurimused Kanadas Toronto ülikoolis ja Hopfieldi New Jerseys Princetoni ülikoolis "kuuluvad arvutiteaduse valdkonda," ütleb Saksamaa Müncheni matemaatikafilosoofia keskuse füüsik Sabine Hossenfelder. "Iga-aastane Nobeli preemia on füüsikal – ja füüsikutel – harukordne võimalus tähelepanu keskpunkti sattuda. See on päev, mil sõbrad ja pereliikmed meenutavad, et nad tunnevad füüsikut ja võib-olla küsivad, millega see viimane Nobeli preemia oli. Aga mitte sel aastal."

Mõne vaatenurga kombineerimine

Kõik ei olnud aga mures: paljud füüsikud tervitasid uudist. "Hopfieldi ja Hintoni uurimustöö oli interdistsiplinaarne, ühendades füüsika, matemaatika, arvutiteaduse ja neuroteaduse," ütleb Matt Strassler, Cambridge'i Harvardi ülikooli teoreetiline füüsik, Massachusetts. "Selles mõttes kuulub see kõigi nende distsipliinide alla."

Californiast Berkeleyst pärit teadusajakirjanik Anil Ananthaswamy ja raamatu "Miks masinad õpivad" autor märgib, et kuigi Nobeli komitee tsiteeritud uurimused ei ole teoreetiline füüsika selle puhtaimas tähenduses, on selle juured füüsika tehnikatest ja kontseptsioonidest, näiteks energiast. Hintoni leiutatud Boltzmanni võrgud ja Hopfieldi võrgud on mõlemad energiapõhised mudelid, ütleb ta.

Seos füüsikaga muutus masinõppe hilisemates arengutes nõrgemaks, lisab Ananthaswamy, eriti "edasisuunaliste" tehnikate puhul, mis muutsid närvivõrkude treenimise lihtsamaks. Sellegipoolest tulevad füüsilised ideed tagasi ja aitavad teadlastel mõista, miks üha keerukamad süvaõppesüsteemid teevad seda, mida nad teevad. "Me vajame masinõppe õppimiseks füüsika mõtteviisi," ütleb Lenka Zdeborová, kes uurib Lausanne'i Šveitsi Föderaalses Tehnoloogiainstituudis (EPFL) arvutuste statistilist füüsikat.

"Ma arvan, et Nobeli füüsikaauhind peaks jätkama tungimist üha enamatesse füüsikaliste teadmiste valdkondadesse," ütleb Rooma Sapienza ülikooli füüsik Giorgio Parisi. jagas 2021. aasta Nobeli preemiat. "Füüsika muutub üha laiemaks ja hõlmab paljusid teadmiste valdkondi, mida varem ei eksisteerinud või mis ei olnud füüsika osa."

Mitte ainult AI

Arvutiteadus näis Nobeli preemia ülevõtmist päev pärast füüsikaauhinna väljakuulutamist, kui Demis Hassabis ja John Jumper, selle kaasasutajad. AI tööriistad valgu struktuuri ennustamiseks AlphaFold Londonis Google DeepMindis, kes võitis poole Nobeli keemiapreemiast. (Teine pool pälvis David Baker Seattle'i Washingtoni ülikoolist valkude kujundamise töö eest, mis ei kasutanud masinõpet).

Auhind oli tunnustus tehisintellekti häirivale jõule, aga ka teadmiste pidevale suurenemisele struktuuri- ja arvutusbioloogias, ütleb Londoni ülikooli kolledži bioinformaatik David Jones, kes töötas DeepMindiga AlphaFoldi esimese versiooni kallal. "Ma ei usu, et AlphaFold kujutab endast radikaalset nihet aluseks olevas teaduses, mida seal veel polnud, " ütleb ta. "Kõik on selles, kuidas kõik oli kokku pandud ja kavandatud nii, et AlphaFold jõuaks nendele kõrgustele."

Peamine sisend, mida AlphaFold kasutab, on erinevate organismide seotud valkude järjestused, mis suudavad tuvastada aminohappepaare, mis on tõenäoliselt koos arenenud ja võivad seetõttu olla valgu 3D-struktuuris füüsiliselt lähedal. Teadlased kasutasid seda teavet valgustruktuuride ennustamiseks juba AlphaFoldi väljatöötamisel ja mõned isegi hakkasid seda ideed sügavates õppevõrkudes rakendama.

"See ei olnud ainult juhtum, et me läksime tööle, vajutasime AI-nuppu ja siis läksime kõik koju," ütles Jumper 9. oktoobril DeepMindis toimunud pressikonverentsil. "See oli tõesti iteratiivne protsess, kus me arendasime, tegime uuringuid ja püüdsime leida õigeid kombinatsioone selle vahel, mida kogukond valkudest mõistab ja kuidas saaksime need intuitsioonid oma arhitektuuri lisada."

AlphaFold poleks olnud võimalik ka ilma valguandmebaasita, mis on vabalt ligipääsetav enam kui 200 000 valgustruktuuri hoidla – sealhulgas mõned, mis on andnud oma panuse varasemate Nobeli preemiate saamisse –, mis on määratud röntgenkristallograafia, krüoelektronmikroskoopia ja muude eksperimentaalsete meetodite abil. "Iga andmepunkt on kellegi aastatepikkuse pingutuse tulemus," ütles Jumper.

Alates nende asutamisest 1901. aastal on Nobeli preemiad sageli peegeldanud teadusuuringute mõju ühiskonnale ja autasustanud praktilisi leiutisi, mitte ainult puhast teadust. Sellega seoses ei ole 2024. aasta hinnad kõrvalekalded, ütleb Ananthaswamy. "Mõnikord antakse neid väga heade inseneriprojektide eest. Nende hulka kuuluvad ka auhinnad Laser ja PCR.”