AI Nobelio premijose: dviguba pergalė sukelia diskusiją apie mokslo disciplinas

AI Nobelio premijose: dviguba pergalė sukelia diskusiją apie mokslo disciplinas

Nobelio komitetas pripažino dirbtinio intelekto (DI) transformuojančią galią dviejose šių metų premijose – jie pagerbė Neuroninių tinklų fizikos pradininkų prizas ir Skaičiavimo įrankių, skirtų baltymams tirti ir projektuoti, kūrėjas chemijos premija. Tačiau ne visi tyrinėtojai yra patenkinti.

Praėjus vos kelioms akimirkoms po to, kai Švedijos karališkoji mokslų akademija paskelbė šių metų Nobelio fizikos premijos laureatus, socialinių tinklų pasaulis patyrė diskusijų pliūpsnį. Keletas fizikų teigė, kad mokslas, kuriuo grindžiami mašininio mokymosi tyrimai, švenčiami apdovanojimuose Geoffrey'ui Hintonui ir Johnui Hopfieldui, iš tikrųjų nėra fizika.

"Aš nekalbu. Mašininį mokymąsi ir dirbtinius neuroninius tinklus vertinu kaip ir bet kas, bet sunku suprasti, kad tai yra fizikos atradimas", - rašė Londono imperatoriškojo koledžo astrofizikas Jonathanas Pritchardas. ant X. „Manau, kad Nobelio premiją nukentėjo AI ažiotažas.

Hintono iš Toronto universiteto Kanadoje ir Hopfieldo iš Prinstono universiteto Naujajame Džersyje tyrimai „priklauso kompiuterių mokslo sričiai“, sako Sabine Hossenfelder, fizikė iš Miuncheno matematinės filosofijos centro Vokietijoje. "Kasmetinė Nobelio premija yra reta proga fizikams ir fizikams patekti į dėmesio centrą. Tai diena, kai draugai ir šeimos nariai prisimena, kad pažįsta fiziką ir galbūt paklausia, apie ką buvo suteikta paskutinė Nobelio premija. Bet ne šiais metais."

Kai kurių perspektyvų derinimas

Tačiau ne visi sunerimo: daugelis fizikų sutiko šią žinią. „Hopfieldo ir Hintono tyrimai buvo tarpdisciplininiai, sujungę fiziką, matematiką, kompiuterių mokslą ir neurologijos mokslus“, – sako Mattas Strassleris, teorinis fizikas iš Harvardo universiteto Kembridže, Masačusetso valstijoje. "Šia prasme tai priklauso visoms šioms disciplinoms."

Mokslo žurnalistas iš Berklio (Kalifornija) ir knygos „Kodėl mašinos mokosi“ autorius Anil Ananthaswamy pažymi, kad nors Nobelio komiteto cituoti tyrimai nėra teorinė fizika grynąja prasme, jie remiasi fizikos metodais ir sąvokomis, pavyzdžiui, energija. „Boltzmann tinklai“ ir „Hopfield“ tinklai, kuriuos išrado Hintonas, „yra energija varomi modeliai“, – sako jis.

Ryšys su fizika susilpnėjo vėlesnėje mašininio mokymosi raidoje, priduria Ananthaswamy, ypač kalbant apie „feedforward“ metodus, dėl kurių neuroninius tinklus buvo lengviau treniruoti. Vis dėlto fizinės idėjos grįžta ir padeda tyrėjams suprasti, kodėl vis sudėtingesnės gilaus mokymosi sistemos daro tai, ką daro. „Mums reikia fizikos mąstymo, kad galėtume studijuoti mašininį mokymąsi“, – sako Lenka Zdeborová, tyrinėjanti statistinę skaičiavimo fiziką Šveicarijos federaliniame technologijos institute Lozanoje (EPFL).

„Manau, kad Nobelio fizikos premija turėtų ir toliau skverbtis į vis daugiau fizinių žinių sričių“, – sako Giorgio Parisi, Romos Sapienza universiteto fizikas. pasidalino 2021 metų Nobelio premiją. „Fizika tampa vis platesnė ir apima daugybę žinių sričių, kurios anksčiau neegzistavo arba nebuvo fizikos dalis.

Ne tik AI

Atrodė, kad kompiuterių mokslas Nobelio premiją perėmė kitą dieną po fizikos premijos paskelbimo, kai Demisas Hassabis ir Johnas Jumperis, vienas iš šios organizacijos įkūrėjų. AI įrankiai baltymų struktūros prognozavimui AlphaFold „Google DeepMind“ Londone, kuris laimėjo pusę Nobelio chemijos premijos. (Kita pusė buvo apdovanota David Baker iš Vašingtono universiteto Sietle už baltymų projektavimo darbą, kuriame nebuvo naudojamas mašininis mokymasis).

Apdovanojimas buvo pripažinimas žlugdančia AI galia, bet taip pat ir nuolat didėjančiu žinių struktūrinės ir skaičiavimo biologijos srityje, sako Davidas Jonesas, Londono universiteto koledžo bioinformatikas, dirbęs su DeepMind kurdamas pirmąją AlphaFold versiją. „Nemanau, kad AlphaFold reiškia radikalų pokytį pagrindiniame moksle, kurio dar nebuvo“, – sako jis. „Viskas apie tai, kaip viskas buvo sujungta ir sukurta taip, kad AlphaFold pasiektų šias aukštumas.

Pagrindinė įvestis, kurią naudoja AlphaFold, yra susijusių baltymų iš skirtingų organizmų sekos, kurios gali nustatyti aminorūgščių poras, kurios greičiausiai išsivystė kartu ir todėl gali būti fiziškai arti baltymo 3D struktūros. Tyrėjai jau naudojo šią įžvalgą baltymų struktūroms prognozuoti, kai buvo sukurtas AlphaFold, o kai kurie netgi pradėjo įgyvendinti idėją gilaus mokymosi tinkluose.

„Tai buvo ne tik atvejis, kai eidavome į darbą, paspaudę dirbtinio intelekto mygtuką, o paskui visi grįždavome namo“, – sakė Jumperis spalio 9 d. DeepMind vykusioje spaudos konferencijoje. „Tai tikrai buvo pasikartojantis procesas, kurio metu mes kūrėme, atlikome tyrimus ir bandėme rasti tinkamus derinius tarp to, ką bendruomenė suprato apie baltymus ir kaip galėtume įtraukti šias intuicijas į savo architektūrą.

AlphaFold taip pat nebūtų buvę įmanoma be Baltymų duomenų bazės, laisvai prieinamos daugiau nei 200 000 baltymų struktūrų, įskaitant kai kurias, prisidėjusias prie ankstesnių Nobelio premijų, saugyklos, nustatytos naudojant rentgeno kristalografiją, krioelektroninę mikroskopiją ir kitus eksperimentinius metodus. „Kiekvienas duomenų taškas yra kažkieno metų pastangų rezultatas“, – sakė Jumperis.

Nuo pat įkūrimo 1901 m. Nobelio premijos dažnai atspindi mokslinių tyrimų poveikį visuomenei ir buvo apdovanotos už praktinius išradimus, o ne tik už grynąjį mokslą. Šiuo atžvilgiu 2024 m. kainos nėra išskirtinės, sako Ananthaswamy. „Kartais jie apdovanojami už labai gerus inžinerinius projektus, tarp kurių yra ir prizai už Lazeris ir PGR.