AI la Premiile Nobel: dubla victorie stârnește discuții despre disciplinele științifice

AI la Premiile Nobel: dubla victorie stârnește discuții despre disciplinele științifice

Comitetul Nobel a recunoscut puterea transformatoare a inteligenței artificiale (AI) în două dintre premiile din acest an - au onorat Premiul Pionierii rețelelor neuronale în fizică iar cel Dezvoltator de instrumente de calcul pentru studiul și proiectarea proteinelor la premiul de chimie. Dar nu toți cercetătorii sunt mulțumiți.

La doar câteva momente după ce Academia Regală Suedeză de Științe a anunțat câștigătorii Premiului Nobel pentru Fizică din acest an, lumea rețelelor de socializare a experimentat un fulger de discuții. Mai mulți fizicieni au susținut că știința care stă la baza cercetării învățării automate celebrată în premiile pentru Geoffrey Hinton și John Hopfield nu era de fapt fizică.

"Sunt fără cuvinte. Apreciez învățarea automată și rețelele neuronale artificiale la fel de mult ca oricine, dar este greu de înțeles că aceasta este o descoperire a fizicii", a scris Jonathan Pritchard, astrofizician la Imperial College din Londra. pe X. „Cred că Premiul Nobel a fost lovit de hype-ul AI.”

Cercetarea lui Hinton de la Universitatea din Toronto din Canada și Hopfield de la Universitatea Princeton din New Jersey „aparține domeniului informaticii”, spune Sabine Hossenfelder, fizician la Centrul de Filosofie Matematică din München din Germania. „Premiul Nobel anual este o oportunitate rară pentru fizică – și pentru fizicieni – de a păși în lumina reflectoarelor. Este ziua în care prietenii și familia își amintesc că cunosc un fizician și poate întreabă despre ce a fost ultimul Premiu Nobel. Dar nu anul acesta”.

Combinarea unor perspective

Nu toată lumea a fost însă alarmată: mulți fizicieni au salutat vestea. „Cercetarea lui Hopfield și Hinton a fost interdisciplinară, adunând împreună fizica, matematica, informatica și neuroștiința”, spune Matt Strassler, fizician teoretician la Universitatea Harvard din Cambridge, Massachusetts. „În acest sens, aparține tuturor acestor discipline.”

Anil Ananthaswamy, jurnalist științific din Berkeley, California și autor al cărții „Why Machines Learn”, notează că, deși cercetarea citată de Comitetul Nobel nu este fizică teoretică în sensul cel mai pur, ea are rădăcini în tehnici și concepte din fizică, cum ar fi energia. „Rețelele Boltzmann” și rețelele Hopfield inventate de Hinton „sunt ambele modele bazate pe energie”, spune el.

Conexiunea cu fizica a devenit mai slabă în evoluțiile ulterioare ale învățării automate, adaugă Ananthaswamy, în special în tehnicile de „feedforward” care au făcut rețelele neuronale mai ușor de antrenat. Totuși, ideile fizice revin și îi ajută pe cercetători să înțeleagă de ce sistemele de învățare profundă din ce în ce mai complexe fac ceea ce fac. „Avem nevoie de mentalitatea fizicii pentru a studia învățarea automată”, spune Lenka Zdeborová, care cercetează fizica statistică a calculului la Institutul Federal Elvețian de Tehnologie din Lausanne (EPFL).

„Cred că Premiul Nobel pentru Fizică ar trebui să continue să pătrundă din ce în ce mai multe domenii ale cunoștințelor fizice”, spune Giorgio Parisi, fizician la Universitatea Sapienza din Roma. a împărțit Premiul Nobel 2021. „Fizica devine din ce în ce mai largă și include multe domenii de cunoștințe care nu existau sau nu făceau parte din fizică în trecut.”

Nu doar AI

Informatica parea sa preia Premiul Nobel a doua zi dupa anuntarea premiului pentru fizica, cand Demis Hassabis si John Jumper, co-fondatori ai Instrumente AI pentru predicția structurii proteinei AlphaFold la Google DeepMind din Londra, care a câștigat jumătate din Premiul Nobel pentru Chimie. (Cealaltă jumătate a fost acordată lui David Baker de la Universitatea din Washington din Seattle pentru munca la proiectarea proteinelor care nu a folosit învățarea automată).

Premiul a fost o recunoaștere a puterii perturbatoare a AI, dar și a creșterii constante a cunoștințelor în biologia structurală și computațională, spune David Jones, un bioinformatician la University College London care a lucrat cu DeepMind la prima versiune a AlphaFold. „Nu cred că AlphaFold reprezintă o schimbare radicală în știința de bază, care nu era deja acolo”, spune el. „Totul este despre modul în care totul a fost asamblat și conceput pentru a permite AlphaFold să atingă aceste înălțimi.”

O intrare cheie pe care AlphaFold o folosește sunt secvențele de proteine ​​înrudite din diferite organisme, care pot identifica perechi de aminoacizi care sunt probabil să fi evoluat împreună și, prin urmare, se pot afla în apropiere fizică în structura 3D a unei proteine. Cercetătorii foloseau deja această perspectivă pentru a prezice structurile proteinelor când a fost dezvoltat AlphaFold, iar unii chiar au început să implementeze ideea în rețelele de învățare profundă.

„Nu a fost doar cazul în care mergem la muncă, apăsăm butonul AI și apoi toți plecam acasă”, a spus Jumper la o conferință de presă la DeepMind pe 9 octombrie. „A fost într-adevăr un proces iterativ în care ne-am dezvoltat, am făcut cercetări și am încercat să găsim combinațiile potrivite între ceea ce a înțeles comunitatea despre proteine ​​și cum am putea încorpora acele intuiții în arhitectura noastră.”

De asemenea, AlphaFold nu ar fi fost posibil fără Baza de date de proteine, un depozit gratuit accesibil de peste 200.000 de structuri de proteine ​​- inclusiv unele care au contribuit la premiile Nobel anterioare - determinate prin cristalografie cu raze X, microscopie crio-electronică și alte metode experimentale. „Fiecare punct de date este rezultatul anilor de efort al cuiva”, a spus Jumper.

De la înființarea lor în 1901, premiile Nobel au fost adesea o reflectare a impactului cercetării asupra societății și au răsplătit invențiile practice, nu doar știința pură. În acest sens, prețurile din 2024 nu sunt valori aberante, spune Ananthaswamy. „Uneori sunt premiați pentru proiecte de inginerie foarte bune. Acestea includ premiile pt Laser şi PCR.”