Нима физиката свърши? ИИ се превърна в новата реалност за Нобеловия комитет

Човекът или машината: битката за бъдещите научни награди.

Нобеловият комитет за първи път присъди едновременно две награди за постижения, свързани с изкуствения интелект. Експертите наричат това решение повратна точка в историята на науката.

Доскоро изследването на изкуствения интелект се считаше за относително периферна област на компютърните науки. Привържениците на тази област често правеха пророчески прогнози за появата на свръхчовешки интелект. Сега, с появата на мощни LLM, тези прогнози стават все по-реални.

Наградата за физика беше поделена между Джефри Хинтън и Джон Хопфийлд. Хопфийлд, физик и бивш президент на Американското физическо общество, разбра как физическата динамика на невронната мрежа може да кодира паметта. Ученият предложи ясна аналогия: топка, която се търкаля по повърхност с много вдлъбнатини. Тя се стреми да попадне в най-дълбоката вдлъбнатина и да се връща там отново и отново – подобно на начина, по който работи паметта на изкуствения интелект.

Хинтън доразвива модела на Хопфийлд, като показва как по-сложните невронни мрежи със скрити „слоеве“ от изкуствени неврони могат да подобрят обучението. Важно е да се подчертае, че Нобеловата награда за физика бе присъдена не за създаването на изкуствен интелект сам по себе си, а за откриването на фундаментални физични закони, които обясняват как се обработва информацията в интелигентните цифрови системи.

В областта на химията половината от наградата бе присъдена на биохимика Дейвид Бейкър. Другата половина си поделиха изследователи от DeepMind: главният изпълнителен директор Демис Хасабис и директорът на компанията Джон Джампър.

Тяхната работа е насочена към ключов проблем: прогнозиране структурата на протеините. Формата на протеина определя неговата функция, но прогнозирането на това как точно ще се сгъне една верига от аминокиселини винаги е било изключително трудно. Тук се намесва изкуственият интелект. Бейкър е разработил софтуер за решаване на проблема, включително програма за проектиране на нови протеинови структури буквално от нулата.

Към 2018 г. от около 200 милиона протеина в генетичните бази данни само около 150 000 – по-малко от 0,1% – са имали потвърдена структура. Това се промени, когато Хасабис и Джъмпър представиха системата AlphaFold .

Има и други революционни инструменти, които са признати от Нобеловия комитет: диодите, излъчващи синя светлина, които сега се използват в почти всички LED екрани (награда за физика за 2014 г.), и литиево-йонните батерии (награда за химия за 2019 г.), без които вече е невъзможно да си представим работата на мобилните устройства.

Системата обаче има своите ограничения. AlphaFold 2 не може да прогнозира дефектите в протеините и изпитва затруднения с „циклите“ – структури, които са от решаващо значение за разработването на лекарства.

Решението на Нобеловия комитет предизвика разгорещен дебат в научната общност. Някои учени изразиха опасения, че традиционната физика отстъпва място на машинното обучение – в социалната мрежа X дори се появи изявление, че „физиката официално е свършила“. Появиха се спекулации, че бъдещите Нобелови награди ще бъдат присъждани единствено за постижения в областта на машинното обучение. Новоизбраният лауреат Джефри Хинтън отговори лаконично: „Невронните мрежи са бъдещето“.

Експертите посочват, че изкуственият интелект вече се превръща в невидима част от научната работа, подобно на транзисторите в електрониката (Нобелова награда за 1956 г.) или светодиодите в съвременните екрани (награда за 2014 г.). Едно от основните ограничения на изкуствения интелект обаче е свързано с емпиричната зависимост на науката от реалния свят. Машините например не могат по чисто логически път да разкрият естеството на тъмната материя, която съставлява 80% от Вселената.

Както обяснява самият Хопфийлд, физиката не е просто набор от формули и закони, а специфичен начин на разглеждане на света. Според него основната идея на физиката е, че можем да разберем света чрез прецизни измервания и експерименти, като получаваме резултати, които могат да бъдат прогнозирани и проверени. Именно този подход дава възможност да се правят научни открития.

Важно е да се отбележи, че научните открития винаги ще изискват експериментатори – човешки експерти, които са нетърпеливи да изследват Вселената и да задават въпроси, над които ИИ не е в състояние да се замисли. Реалният свят, в цялото си величие и загадъчност, остава отворен за бъдещите учени, независимо дали използват невронни мрежи или не.