AI Nobela prēmijās: dubultuzvara izraisa diskusijas par zinātnes disciplīnām

AI Nobela prēmijās: dubultuzvara izraisa diskusijas par zinātnes disciplīnām

Nobela komiteja ir atzinusi mākslīgā intelekta (AI) pārveidojošo spēku divās no šī gada balvām - viņi godināja Neironu tīklu pionieri fizikā un Proteīnu pētīšanas un projektēšanas skaitļošanas rīku izstrādātājs balvu ķīmijā. Bet ne visi pētnieki ir apmierināti.

Dažus mirkļus pēc tam, kad Zviedrijas Karaliskā Zinātņu akadēmija paziņoja par šī gada Nobela prēmijas fizikā ieguvējiem, sociālo mediju pasaule piedzīvoja diskusiju uzplaiksnījumu. Vairāki fiziķi apgalvoja, ka zinātne, kas ir pamatā mašīnmācības pētījumiem, kas tika atzīmēta ar Džefrija Hintona un Džona Hopfīlda balvām, patiesībā nav fizika.

"Man trūkst vārdu. Es vērtēju mašīnmācīšanos un mākslīgos neironu tīklus tikpat augstu kā ikviens, taču ir grūti saprast, ka tas ir fizikas atklājums," rakstīja Džonatans Pričards, Londonas Imperiālās koledžas astrofiziķis. uz X. "Es domāju, ka Nobela prēmiju skāra mākslīgā intelekta ažiotāža."

Hintona pētījums Toronto Universitātē Kanādā un Hopfīldas Prinstonas universitātē Ņūdžersijā "pieder datorzinātņu jomai," saka Sabīne Hosenfeldere, fiziķe no Minhenes Matemātiskās filozofijas centra Vācijā. "Ikgadējā Nobela prēmija ir reta iespēja fizikā un fiziķiem nonākt uzmanības centrā. Tā ir diena, kad draugi un ģimene atceras, ka pazīst kādu fiziķi, un varbūt jautā, par ko bija šī pēdējā Nobela prēmija. Taču šogad ne."

Apvienojot dažas perspektīvas

Tomēr ne visi bija satraukti: daudzi fiziķi atzinīgi novērtēja šīs ziņas. "Hopfīlda un Hintona pētījumi bija starpdisciplināri, apvienojot fiziku, matemātiku, datorzinātnes un neirozinātnes," saka Mets Straslers, teorētiskais fiziķis Hārvardas universitātē Kembridžā, Masačūsetsā. "Šajā ziņā tas pieder visām šīm disciplīnām."

Anils Ananthaswamy, zinātnes žurnālists no Bērklijas (Kalifornija) un grāmatas "Kāpēc mašīnas mācās" autors atzīmē, ka, lai gan Nobela komitejas minētie pētījumi nav teorētiskā fizika tīrākajā nozīmē, tie sakņojas fizikas paņēmienos un jēdzienos, piemēram, enerģētikā. Hintona izgudrotie "Boltzmann tīkli" un Hopfīlda tīkli "ir ar enerģiju darbināmi modeļi," viņš saka.

Saikne ar fiziku kļuva vājāka mašīnmācīšanās vēlākajos veidos, Ananthaswamy piebilst, jo īpaši attiecībā uz "pārejas" paņēmieniem, kas padarīja neironu tīklus vieglāk apmācāmus. Tomēr fiziskās idejas atgriežas un palīdz pētniekiem saprast, kāpēc arvien sarežģītākas dziļās mācīšanās sistēmas dara to, ko viņi dara. "Mums ir vajadzīgs fizikas domāšanas veids, lai pētītu mašīnmācīšanos," saka Lenka Zdeborova, kas pēta skaitļošanas statistisko fiziku Šveices Federālajā tehnoloģiju institūtā Lozannā (EPFL).

"Es domāju, ka Nobela prēmijai fizikā ir jāturpina iekļūt arvien vairāk fizisko zināšanu jomās," saka Džordžo Parisi, Romas Sapienza universitātes fiziķis. dalīta 2021. gada Nobela prēmija. "Fizika kļūst arvien plašāka un ietver daudzas zināšanu jomas, kas agrāk nepastāvēja vai nebija daļa no fizikas."

Ne tikai AI

Datorzinātne, šķiet, pārņēma Nobela prēmiju nākamajā dienā pēc fizikas balvas pasludināšanas, kad Demis Hassabis un Džons Džempers, līdzdibinātāji AI rīki olbaltumvielu struktūras prognozēšanai AlphaFold Google DeepMind Londonā, kas ieguva pusi no Nobela prēmijas ķīmijā. (Otra puse tika piešķirta Deividam Beikeram no Vašingtonas Universitātes Sietlā par darbu pie olbaltumvielu dizaina, kurā netika izmantota mašīnmācība).

Balva bija atzinība par AI graujošo spēku, kā arī par pastāvīgo zināšanu pieaugumu strukturālajā un skaitļošanas bioloģijā, saka Deivids Džonss, Londonas Universitātes koledžas bioinformātiķis, kurš strādāja ar DeepMind pie pirmās AlphaFold versijas. "Es nedomāju, ka AlphaFold atspoguļo radikālas izmaiņas pamatā esošajā zinātnē, kas vēl nebija tur," viņš saka. "Tas viss ir par to, kā viss tika salikts un izstrādāts, lai AlphaFold varētu sasniegt šos augstumus."

Galvenais AlphaFold izmantotais ievads ir dažādu organismu radniecīgo proteīnu sekvences, kas var identificēt aminoskābju pārus, kas, iespējams, ir attīstījušies līdztekus un tāpēc var būt fiziski tuvu proteīna 3D struktūrā. Pētnieki jau izmantoja šo ieskatu, lai prognozētu olbaltumvielu struktūras, kad tika izstrādāta AlphaFold, un daži pat sāka īstenot šo ideju dziļās mācīšanās tīklos.

"Tas nebija tikai gadījums, kad mēs devāmies uz darbu, nospiežot AI pogu un pēc tam visi devās mājās," Džumpers teica preses konferencē DeepMind 9. oktobrī. "Tas patiešām bija iteratīvs process, kurā mēs izstrādājām, veicām pētījumus un mēģinājām atrast pareizās kombinācijas starp to, ko sabiedrība saprot par proteīniem, un to, kā mēs varētu iekļaut šīs intuīcijas savā arhitektūrā."

AlphaFold nebūtu iespējams arī bez proteīnu datu bāzes, brīvi pieejama vairāk nekā 200 000 proteīnu struktūru krātuve, tostarp dažas, kas ir devušas ieguldījumu iepriekšējās Nobela prēmijas piešķiršanā, kas noteiktas, izmantojot rentgenstaru kristalogrāfiju, krioelektronu mikroskopiju un citas eksperimentālas metodes. "Katrs datu punkts ir kāda cilvēka gadu pūļu rezultāts," sacīja Džempers.

Kopš to dibināšanas 1901. gadā Nobela prēmijas bieži vien ir atspoguļojušas pētniecības ietekmi uz sabiedrību un ir apbalvotas par praktiskiem izgudrojumiem, ne tikai par tīru zinātni. Šajā sakarā 2024. gada cenas nav nobīdes, saka Ananthaswamy. "Dažreiz viņi tiek piešķirti par ļoti labiem inženiertehniskiem projektiem. To skaitā ir balvas par Lāzers un PCR ”.