英语轻松读发新版了,欢迎下载、更新

AI来到诺贝尔奖:双料赢家引发关于科学领域的辩论

2024-10-14 16:06:25 英文原文

作者:Davide Castelvecchi, Ewen Callaway, Diana Kwon, Nature magazine

2024年10月14日

4分钟阅读

虽然许多研究人员庆祝今年的化学和物理学奖,但也有人对聚焦于计算方法感到失望。

Nobel medal.

vanbeets/Getty Images

诺贝尔委员会在今年的两个奖项中认可了人工智能(AI)变革性的力量——授予物理学奖中的神经网络先驱,和该开发计算工具以研究和设计蛋白质的研究人员在化学奖方面。但并非所有研究人员都感到满意。

瑞典皇家科学院宣布今年物理学诺贝尔奖得主几分钟后,社交媒体上就热闹了起来,几位物理学家争论说,与乔治·霍钦斯和约翰·霍普菲尔德获得的奖项相关的机器学习背后的科学实际上并不属于物理学。

“我说不出话来。我像其他人一样喜欢机器学习和人工神经网络,但很难看出这是一项物理学发现。”伦敦帝国理工学院的天体物理学家乔纳森·普里查德表示。在X上发文“猜诺贝尔奖受到了人工智能热潮的影响。”


支持科学新闻业

如果您喜欢这篇文章,可以考虑通过以下方式支持我们屡获殊荣的新闻报道:订阅通过购买订阅,您正在帮助确保关于塑造我们当今世界的发现和思想的影响力故事的未来。


加拿大多伦多大学的辛顿和新泽西州普林斯顿大学的霍普费尔德的研究“属于计算机科学领域,”德国慕尼黑数学哲学中心的物理学家萨宾·豪森费尔德说。“一年一度的诺贝尔奖是物理学以及物理学家们难得的机会来进入聚光灯下。这是朋友和家人记得他们认识一位物理学家,并且可能会去问他或她最近的诺贝尔奖是怎么回事的一天。但今年不会。”

然而,并非所有人都为此感到困扰:许多物理学家欢迎这一消息。“霍普费尔德和辛顿的研究是跨学科的,结合了物理学、数学、计算机科学和神经科学,”麻省剑桥哈佛大学的理论物理学家马特·斯特拉瑟说。“从这个意义上讲,它属于所有这些领域。”

安纳尔·阿南塔斯瓦米,一位基于加利福尼亚伯克利的科学作家,同时也是某本书的作者为什么机器学习指出,虽然诺贝尔委员会引用的研究可能并非严格意义上的理论物理学,但它根植于物理技术与概念之中,例如能量。海顿发明的“玻尔兹曼网络”以及霍普费尔德网络“都是基于能量的模型”,他说。

在后来的机器学习发展中,与物理学的联系变得更加微弱,Ananthaswamy补充道,特别是在使神经网络更容易训练的“前馈”技术中。但物理思想正在卷土重来,并帮助研究人员理解日益复杂的深度学习系统是如何工作的。“我们需要用我们在物理学中的思维方式来研究机器学习,”瑞士洛桑联邦理工学院从事计算统计物理学研究的Lenka Zdeborová说。

“我认为诺贝尔物理学奖应该继续扩展到更多领域的物理知识中,”罗马萨皮恩扎大学的物理学家吉奥吉о·帕里西说。分享了2021年诺贝尔奖“物理学正在变得越来越广泛,包含了过去不存在或者不属于物理学的许多知识领域。”

计算机科学似乎在物理学奖宣布后的第二天就开始了它的诺贝尔奖接管,当Demis Hassabis和John Jumper,AlphaFold的共同创建者,��得了奖项。蛋白质折叠预测人工智能工具AlphaFold在伦敦的谷歌深度思维公司获得了一半的化学诺贝尔奖。(另一半颁发给了西雅图华盛顿大学的David Baker,以表彰他在不使用机器学习的情况下进行的蛋白质设计工作。)

伦敦大学学院的生物信息学家大卫·琼斯表示,该奖项不仅认可了人工智能的颠覆性力量,也认可了结构和计算生物学知识稳步积累的重要性。他说:“我认为AlphaFold并没有涉及任何基本科学上的根本变化,这些变化在之前就已经存在。”“它只是以一种如此无缝的方式组合和构想,使得AlphaFold能够达到那样的高度。”

例如,AlphaFold 使用的一个关键输入是来自不同生物的相关蛋白质序列,这些序列可以识别出倾向于共同进化的氨基酸对,因此它们可能在蛋白质的 3D 结构中物理上距离很近。研究人员在开发 AlphaFold 的时候就已经利用这一洞察来预测蛋白质结构,并且有些人甚至开始将这一理念嵌入深度学习神经网络中。

“这不仅仅是我们在工作中按下AI按钮,然后大家都回家了,”Jumper在10月9日DeepMind举行的新闻发布会上说。“实际上这是一个迭代的过程,在这个过程中我们开发研究,尝试找到正确的组合方式,将社区对蛋白质的理解与我们如何构建这些直觉融入我们的架构相结合。”

AlphaFold 的成功也离不开蛋白质数据中心,这是一个免费提供的资源库,其中包含超过 200,000 种通过 X 射线晶体学、冷冻电子显微镜和其他实验方法确定的蛋白质结构——包括一些曾为以往诺贝尔奖作出贡献的结构。“每一个数据点都凝聚了某个人多年的努力,”Jumper 说道。

自1901年首次颁发以来,诺贝尔奖常常关注研究对社会的影响,并奖励实用发明,而不仅仅是纯粹的科学。在这方面,阿南塔斯瓦米说,2024年的奖项并不例外。“有时它们被授予非常优秀的工程项目。这包括获奖项目中的激光器PCR(聚合酶链反应).”

本文经授权转载, было首次出版2024年10月10日.

关于《AI来到诺贝尔奖:双料赢家引发关于科学领域的辩论》的评论


暂无评论

发表评论

摘要

2024年10月14日,阅读时间:4分钟 虽然许多研究人员庆祝今年的化学和物理学奖项,但也有人对重点放在计算方法上感到失望。vanbeets/Getty Images 诺贝尔委员会在今年的两个奖项中认可了人工智能(AI)在变革中的力量——在物理学奖中表彰神经网络先驱,在化学奖中表彰开发用于研究和设计蛋白质的计算工具的研究人员。这是朋友和家人记得他们认识一位物理学家,并且可能去问他或她最近这个诺贝尔奖到底是什么的时候。 另一半奖项授予了西雅图华盛顿大学的大卫·贝克,以表彰他在不使用机器学习的情况下进行的蛋白质设计工作。 戴维·琼斯是伦敦大学学院的一名生物信息学专家,他与DeepMind合作开发了AlphaFold的第一个版本。他说:“这个奖项不仅认可了人工智能带来的颠覆性力量,还强调了结构和计算生物学知识稳步积累的重要性。”“这是一个迭代过程,在此过程中我们不断发展、进行研究,并试图找到社区对蛋白质的理解与我们在架构中构建这些直觉之间的正确组合方式。” 在这点上,2024年的奖项并不是特例,阿南塔斯瓦米说。