IA no Prêmio Nobel: Dupla vitória desperta discussão sobre disciplinas científicas

IA no Prêmio Nobel: Dupla vitória desperta discussão sobre disciplinas científicas

O Comité Nobel reconheceu o poder transformador da inteligência artificial (IA) em dois dos prémios deste ano - eles homenagearam Prêmio Pioneiros de Redes Neurais em Física e o Desenvolvedor de ferramentas computacionais para estudo e projeto de proteínas no prêmio de química. Mas nem todos os investigadores estão satisfeitos.

Poucos momentos depois de a Real Academia Sueca de Ciências ter anunciado os vencedores do Prémio Nobel da Física deste ano, o mundo das redes sociais assistiu a um surto de discussão. Vários físicos argumentaram que a ciência subjacente à pesquisa sobre aprendizado de máquina celebrada nos prêmios concedidos a Geoffrey Hinton e John Hopfield não era na verdade física.

"Estou sem palavras. Valorizo ​​o aprendizado de máquina e as redes neurais artificiais tanto quanto qualquer um, mas é difícil ver que isso seja uma descoberta da física", escreveu Jonathan Pritchard, astrofísico do Imperial College London, em X. “Acho que o Prêmio Nobel foi atingido pelo hype da IA.”

A pesquisa de Hinton, da Universidade de Toronto, no Canadá, e de Hopfield, da Universidade de Princeton, em Nova Jersey, "pertence ao campo da ciência da computação", diz Sabine Hossenfelder, física do Centro de Filosofia Matemática de Munique, na Alemanha. "O Prémio Nobel anual é uma rara oportunidade para os físicos - e os físicos - ganharem destaque. É o dia em que amigos e familiares se lembram de que conhecem um físico e talvez perguntem sobre o que foi o último Prémio Nobel. Mas não este ano."

Combinando algumas perspectivas

Porém, nem todos ficaram alarmados: muitos físicos acolheram bem a notícia. “A pesquisa de Hopfield e Hinton foi interdisciplinar, reunindo física, matemática, ciência da computação e neurociência”, diz Matt Strassler, físico teórico da Universidade de Harvard, em Cambridge, Massachusetts. “Nesse sentido, pertence a todas essas disciplinas.”

Anil Ananthaswamy, jornalista científico de Berkeley, Califórnia, e autor de "Por que as máquinas aprendem", observa que, embora a investigação citada pelo Comité do Nobel não seja física teórica no sentido mais puro, está enraizada em técnicas e conceitos da física, como a energia. As “redes Boltzmann” e as redes Hopfield inventadas por Hinton “são ambas modelos movidos a energia”, diz ele.

A ligação à física tornou-se mais fraca nos desenvolvimentos posteriores da aprendizagem automática, acrescenta Ananthaswamy, particularmente nas técnicas de “feedforward” que tornaram as redes neurais mais fáceis de treinar. Ainda assim, as ideias físicas estão voltando e ajudando os pesquisadores a entender por que os sistemas de aprendizagem profunda cada vez mais complexos fazem o que fazem. “Precisamos da mentalidade da física para estudar o aprendizado de máquina”, diz Lenka Zdeborová, que pesquisa física estatística da computação no Instituto Federal Suíço de Tecnologia em Lausanne (EPFL).

“Acho que o Prêmio Nobel de Física deveria continuar a penetrar cada vez mais áreas do conhecimento físico”, diz Giorgio Parisi, físico da Universidade Sapienza de Roma compartilhou o Prêmio Nobel de 2021. “A física está se tornando cada vez mais ampla e inclui muitas áreas do conhecimento que não existiam ou não faziam parte da física no passado.”

Não apenas IA

A ciência da computação pareceu assumir o prêmio Nobel no dia seguinte ao anúncio do prêmio de física, quando Demis Hassabis e John Jumper, co-fundadores da Ferramentas de IA para previsão de estrutura de proteínas AlphaFold no Google DeepMind em Londres, que ganhou metade do Prêmio Nobel de Química. (A outra metade foi concedida a David Baker, da Universidade de Washington, em Seattle, pelo trabalho no design de proteínas que não utilizava aprendizado de máquina).

O prémio foi um reconhecimento do poder disruptivo da IA, mas também do aumento constante do conhecimento em biologia estrutural e computacional, diz David Jones, bioinformático da University College London que trabalhou com a DeepMind na primeira versão do AlphaFold. “Não creio que AlphaFold represente uma mudança radical na ciência subjacente que ainda não existia”, diz ele. “É tudo uma questão de como tudo foi montado e projetado para permitir que AlphaFold alcançasse esses patamares.”

Uma entrada importante que AlphaFold usa são as sequências de proteínas relacionadas de diferentes organismos, que podem identificar pares de aminoácidos que provavelmente co-evoluíram e, portanto, podem estar fisicamente próximos na estrutura 3D de uma proteína. Os pesquisadores já estavam usando esse insight para prever estruturas de proteínas quando o AlphaFold foi desenvolvido, e alguns até começaram a implementar a ideia em redes de aprendizagem profunda.

“Não foi apenas o caso de irmos para o trabalho, apertarmos o botão de IA e depois todos irem para casa”, disse Jumper em uma coletiva de imprensa na DeepMind em 9 de outubro. “Foi realmente um processo iterativo onde desenvolvemos, fizemos pesquisas e tentamos encontrar as combinações certas entre o que a comunidade entendia sobre proteínas e como poderíamos incorporar essas intuições em nossa arquitetura.”

AlphaFold também não teria sido possível sem o Banco de Dados de Proteínas, um repositório de acesso gratuito com mais de 200.000 estruturas de proteínas - incluindo algumas que contribuíram para prêmios Nobel anteriores - determinadas usando cristalografia de raios X, microscopia crioeletrônica e outros métodos experimentais. “Cada ponto de dados é o resultado de anos de esforço de alguém”, disse Jumper.

Desde a sua fundação em 1901, os Prémios Nobel têm sido frequentemente um reflexo do impacto da investigação na sociedade e têm recompensado invenções práticas, e não apenas a ciência pura. A este respeito, os preços de 2024 não são atípicos, diz Ananthaswamy. "Às vezes eles são premiados por projetos de engenharia muito bons. Estes incluem os prêmios para Laser e PCR.”