AI na Nobelovim nagradama: Dvostruka pobjeda potaknula raspravu o znanstvenim disciplinama

AI na Nobelovim nagradama: Dvostruka pobjeda potaknula raspravu o znanstvenim disciplinama

Nobelov odbor prepoznao je transformativnu moć umjetne inteligencije (AI) u dvjema ovogodišnjim nagradama - odali su počast Nagrada za pionire neuronskih mreža u fizici i Razvijač računalnih alata za proučavanje i projektiranje proteina u nagradi za kemiju. Ali nisu svi istraživači zadovoljni.

Samo nekoliko trenutaka nakon što je Kraljevska švedska akademija znanosti objavila dobitnike ovogodišnje Nobelove nagrade za fiziku, svijet društvenih medija doživio je bljesak rasprave. Nekoliko fizičara tvrdilo je da znanost koja se nalazi u osnovi istraživanja strojnog učenja koja je nagrađena u nagradama za Geoffreya Hintona i Johna Hopfielda zapravo nije fizika.

"Ostao sam bez riječi. Strojno učenje i umjetne neuronske mreže cijenim jednako kao i svi drugi, ali teško je shvatiti da je ovo otkriće fizike", napisao je Jonathan Pritchard, astrofizičar s Imperial Collegea u Londonu, na X. "Pretpostavljam da je Nobelovu nagradu pogodila pompa o umjetnoj inteligenciji."

Istraživanje Hintona sa Sveučilišta u Torontu u Kanadi i Hopfielda sa Sveučilišta Princeton u New Jerseyju "pripada području računalnih znanosti", kaže Sabine Hossenfelder, fizičarka u Münchenskom centru za matematičku filozofiju u Njemačkoj. "Godišnja Nobelova nagrada rijetka je prilika za fiziku - i fizičare - da dođu u središte pozornosti. To je dan kada se prijatelji i obitelj sjete da poznaju fizičara i možda pitaju o čemu je bila ta posljednja Nobelova nagrada. Ali ne ove godine."

Kombiniranje nekih perspektiva

Međutim, nisu svi bili uznemireni: mnogi su fizičari pozdravili ovu vijest. "Istraživanje Hopfielda i Hintona bilo je interdisciplinarno, spajajući fiziku, matematiku, informatiku i neuroznanost", kaže Matt Strassler, teorijski fizičar sa Sveučilišta Harvard u Cambridgeu, Massachusetts. “U tom smislu, pripada svim ovim disciplinama.”

Anil Ananthaswamy, znanstveni novinar iz Berkeleya u Kaliforniji i autor knjige "Zašto strojevi uče", napominje da iako istraživanje koje je citirao Nobelov odbor nije teorijska fizika u najčišćem smislu, ono je ukorijenjeno u tehnikama i konceptima iz fizike, poput energije. "Boltzmannove mreže" i Hopfieldove mreže koje je izmislio Hinton "obje su modeli vođeni energijom", kaže on.

Veza s fizikom postala je slabija u kasnijem razvoju strojnog učenja, dodaje Ananthaswamy, osobito u tehnikama "unaprijed" koje su neuronske mreže učinile lakšim za treniranje. Ipak, fizičke ideje vraćaju se i pomažu istraživačima da shvate zašto sve složeniji sustavi dubokog učenja rade to što rade. "Potreban nam je način razmišljanja fizike za proučavanje strojnog učenja", kaže Lenka Zdeborová, koja istražuje statističku fiziku računanja na Švicarskom saveznom institutu za tehnologiju u Lausanni (EPFL).

"Mislim da bi Nobelova nagrada za fiziku trebala nastaviti prodirati u sve više i više područja fizičkog znanja", kaže Giorgio Parisi, fizičar sa Sveučilišta Sapienza u Rimu podijelio Nobelovu nagradu 2021. “Fizika postaje sve šira i uključuje mnoga područja znanja koja u prošlosti nisu postojala ili nisu bila dio fizike.”

Ne samo AI

Činilo se da će računalna znanost preuzeti Nobelovu nagradu dan nakon što je objavljena nagrada za fiziku, kada su Demis Hassabis i John Jumper, suosnivači AI alati za predviđanje strukture proteina AlphaFold na Google DeepMind u Londonu, koji je osvojio polovicu Nobelove nagrade za kemiju. (Druga polovica dodijeljena je Davidu Bakeru sa Sveučilišta Washington u Seattleu za rad na dizajnu proteina koji nije koristio strojno učenje).

Nagrada je bila priznanje razorne moći umjetne inteligencije, ali i stalnog porasta znanja u strukturnoj i računskoj biologiji, kaže David Jones, bioinformatičar na Sveučilištu u Londonu koji je radio s DeepMindom na prvoj verziji AlphaFolda. "Ne mislim da AlphaFold predstavlja radikalnu promjenu u temeljnoj znanosti koja već nije postojala", kaže on. "Sve je u tome kako je sve sastavljeno i dizajnirano da omogući AlphaFoldu da dosegne ove visine."

Ključni unos koji AlphaFold koristi su sekvence srodnih proteina iz različitih organizama, koji mogu identificirati parove aminokiselina koje su vjerojatno koevoluirale i stoga mogu biti u fizičkoj blizini u 3D strukturi proteina. Istraživači su već koristili ovaj uvid za predviđanje proteinskih struktura kada je razvijen AlphaFold, a neki su čak počeli implementirati ideju u mrežama dubokog učenja.

"To nije bio samo slučaj kada smo otišli na posao, pritisnuli tipku AI i onda svi otišli kući," rekao je Jumper na tiskovnoj konferenciji u DeepMindu 9. listopada. "Bio je to stvarno iterativni proces u kojem smo razvijali, istraživali i pokušavali pronaći prave kombinacije između onoga što zajednica razumije o proteinima i načina na koji te intuicije možemo ugraditi u našu arhitekturu."

AlphaFold također ne bi bio moguć bez Protein Database, slobodno dostupnog spremišta više od 200.000 struktura proteina - uključujući neke koje su pridonijele prethodnim Nobelovim nagradama - utvrđenih korištenjem rendgenske kristalografije, krioelektronske mikroskopije i drugih eksperimentalnih metoda. "Svaka podatkovna točka rezultat je nečijih godina truda", rekao je Jumper.

Od svog osnutka 1901. godine, Nobelove nagrade često su bile odraz utjecaja istraživanja na društvo i nagrađivale su praktične izume, a ne samo čistu znanost. U tom smislu, cijene za 2024. nisu izuzetak, kaže Ananthaswamy. "Ponekad se dodjeljuju za vrlo dobre inženjerske projekte. To uključuje nagrade za Laser i PCR.”