- 13,843
- 20
- 8 Ноя 2022
Человек или машина: битва за будущие научные премии.
Нобелевский комитет Для просмотра ссылки Войдиили Зарегистрируйся сразу две премии за достижения, связанные с искусственным интеллектом. Эксперты называют это решение поворотным моментом в истории науки.
До недавнего времени исследования искусственного интеллекта считались относительно периферийной областью компьютерных наук. Сторонники этого направления часто делали пророческие предсказания о появлении сверхчеловеческого разума. Теперь, с появлением мощных LLM , эти мысли становятся все более реальными.
Премию по физике разделили Джеффри Хинтон и Джон Хопфилд. Хопфилд, физик и бывший президент Американского физического общества, выяснил, как физическая динамика нейронной сети может кодировать память. Ученый предложил наглядную аналогию: шар, который катится по поверхности с множеством впадин. Он будет стремиться попасть в самую глубокую впадину и возвращаться туда снова и снова - это похоже на то, как работает память ИИ.
Хинтон развил модель Хопфилда, показав, как более сложные нейронные сети со скрытыми "слоями" искусственных нейронов могут улучшить процесс обучения. Важно подчеркнуть, что Нобелевскую премию по физике присудили не за создание искусственного интеллекта как такового, а за открытие фундаментальных физических законов, объясняющих, как информация обрабатывается в умных цифровых системах.
В области химии половину премии получил биохимик Дэвид Бейкер. Вторую половину разделили исследователи из компании DeepMind: генеральный директор Демис Хассабис и директор компании Джон Джампер.
Их работа касается важнейшей проблемы - предсказания структуры белков. Форма белка определяет его функцию, но предугадать, как именно свернется цепочка аминокислот, всегда было крайне сложно. И здесь на помощь приходит ИИ. Бейкер разработал программное обеспечение для решения задачи, включая программу для проектирования новых белковых структур с нуля.
К 2018 году из примерно 200 миллионов белков, занесенных в генетические базы данных, подтвержденную структуру имели только около 150 000 - менее 0,1%. Ситуация изменилась, когда Хассабис и Джампер представили Для просмотра ссылки Войдиили Зарегистрируйся .
Есть и другие революционные инструменты, получившие признание Нобелевского комитета: синими светодиодами, которые сейчас используются практически во всех LED-экранах (премия по физике 2014 года), и литий-ионными батареями (премия по химии 2019 года), без которых сегодня невозможно представить работу мобильных устройств.
Однако система имеет свои ограничения. AlphaFold 2 не может предсказывать дефекты в белках и испытывает трудности с "петлями" - структурами, критически важными для разработки лекарств.
Решение Нобелевского комитета вызвало бурную дискуссию в научном сообществе. Некоторые ученые высказали опасение, что традиционная физика уступает место машинному обучению - в социальной сети X даже появилось заявление, что “физика официально закончилась”. Высказывались предположения, что в будущем Нобелевские премии будут присуждаться исключительно за достижения в области машинного обучения. На это новоиспеченный лауреат Джеффри Хинтон ответил кратко: 'Нейронные сети - это будущее'.
Эксперты отмечают, что искусственный интеллект уже становится незаметной частью научной работы, подобно транзисторам в электронике (Нобелевская премия 1956 года) или светодиодам в современных экранах (премия 2014 года). Однако ключевое ограничение ИИ связано с эмпирической зависимостью науки от реального мира. Машины не могут, например, чисто логическим путем раскрыть природу темной материи, составляющей 80% Вселенной.
Как объяснил сам Хопфилд, физика - это не просто набор формул и законов, а особый способ смотреть на мир. По его словам, главная идея физики заключается в том, что мы можем понять мир через точные измерения и эксперименты, получая результаты, которые можно проверить и предсказать. Именно этот подход позволяет делать научные открытия.
Важно отметить, что для научных открытий всегда будут нужны экспериментаторы — человеческие эксперты, стремящиеся изучать вселенную и задающие вопросы, о которых ИИ задуматься не способен. Реальный мир во всем своем величии и загадочности остается открытым для будущих ученых, независимо от того, используют они нейросети или нет.
Нобелевский комитет Для просмотра ссылки Войди
До недавнего времени исследования искусственного интеллекта считались относительно периферийной областью компьютерных наук. Сторонники этого направления часто делали пророческие предсказания о появлении сверхчеловеческого разума. Теперь, с появлением мощных LLM , эти мысли становятся все более реальными.
Премию по физике разделили Джеффри Хинтон и Джон Хопфилд. Хопфилд, физик и бывший президент Американского физического общества, выяснил, как физическая динамика нейронной сети может кодировать память. Ученый предложил наглядную аналогию: шар, который катится по поверхности с множеством впадин. Он будет стремиться попасть в самую глубокую впадину и возвращаться туда снова и снова - это похоже на то, как работает память ИИ.
Хинтон развил модель Хопфилда, показав, как более сложные нейронные сети со скрытыми "слоями" искусственных нейронов могут улучшить процесс обучения. Важно подчеркнуть, что Нобелевскую премию по физике присудили не за создание искусственного интеллекта как такового, а за открытие фундаментальных физических законов, объясняющих, как информация обрабатывается в умных цифровых системах.
В области химии половину премии получил биохимик Дэвид Бейкер. Вторую половину разделили исследователи из компании DeepMind: генеральный директор Демис Хассабис и директор компании Джон Джампер.
Их работа касается важнейшей проблемы - предсказания структуры белков. Форма белка определяет его функцию, но предугадать, как именно свернется цепочка аминокислот, всегда было крайне сложно. И здесь на помощь приходит ИИ. Бейкер разработал программное обеспечение для решения задачи, включая программу для проектирования новых белковых структур с нуля.
К 2018 году из примерно 200 миллионов белков, занесенных в генетические базы данных, подтвержденную структуру имели только около 150 000 - менее 0,1%. Ситуация изменилась, когда Хассабис и Джампер представили Для просмотра ссылки Войди
Есть и другие революционные инструменты, получившие признание Нобелевского комитета: синими светодиодами, которые сейчас используются практически во всех LED-экранах (премия по физике 2014 года), и литий-ионными батареями (премия по химии 2019 года), без которых сегодня невозможно представить работу мобильных устройств.
Однако система имеет свои ограничения. AlphaFold 2 не может предсказывать дефекты в белках и испытывает трудности с "петлями" - структурами, критически важными для разработки лекарств.
Решение Нобелевского комитета вызвало бурную дискуссию в научном сообществе. Некоторые ученые высказали опасение, что традиционная физика уступает место машинному обучению - в социальной сети X даже появилось заявление, что “физика официально закончилась”. Высказывались предположения, что в будущем Нобелевские премии будут присуждаться исключительно за достижения в области машинного обучения. На это новоиспеченный лауреат Джеффри Хинтон ответил кратко: 'Нейронные сети - это будущее'.
Эксперты отмечают, что искусственный интеллект уже становится незаметной частью научной работы, подобно транзисторам в электронике (Нобелевская премия 1956 года) или светодиодам в современных экранах (премия 2014 года). Однако ключевое ограничение ИИ связано с эмпирической зависимостью науки от реального мира. Машины не могут, например, чисто логическим путем раскрыть природу темной материи, составляющей 80% Вселенной.
Как объяснил сам Хопфилд, физика - это не просто набор формул и законов, а особый способ смотреть на мир. По его словам, главная идея физики заключается в том, что мы можем понять мир через точные измерения и эксперименты, получая результаты, которые можно проверить и предсказать. Именно этот подход позволяет делать научные открытия.
Важно отметить, что для научных открытий всегда будут нужны экспериментаторы — человеческие эксперты, стремящиеся изучать вселенную и задающие вопросы, о которых ИИ задуматься не способен. Реальный мир во всем своем величии и загадочности остается открытым для будущих ученых, независимо от того, используют они нейросети или нет.
- Источник новости
- www.securitylab.ru
