Ist der Hype gerechtfertigt? Warum alle Augen auf KI gerichtet sind

Nobelpreis für KI

Die Liste der Nobelpreisträger 2024 hat viel Aufmerksamkeit auf KI gelenkt. Zuerst war es der Nobelpreis für Physik, der die grundlegend von der Physik inspirierte Theorie und den frühen Prototyp zum Aufbau von neuronalen Netzen, der Basis der meisten heutigen KI‑Technologien, auszeichnete. Wir haben im Detail besprochen, wie diese frühen neuronalen Netze funktionierten in “Investieren in Nobelpreis‑Leistungen – Künstliche neuronale Netze, die Basis der KI”.

Ein weiterer Nobelpreis, diesmal in Chemie, wurde für rechnerisch ausgerichtete Forschung verliehen. Genauer gesagt ging er zur Hälfte an David Baker „für computergestütztes Protein‑Design“ und zur anderen Hälfte gemeinsam an die Schlüssel­forscher von Googles AlphaFold, Demis Hassabis und John M. Jumper, „für die Vorhersage von Proteinstrukturen“.

Es ist also keine Übertreibung zu sagen, dass 2024 das Jahr des KI‑Nobelpreises war, da zwei von drei Nobelpreisen in den „harten Wissenschaften“ (Physik, Chemie, Medizin/Biologie) an KI‑bezogene Projekte gingen.

Dies wurde offensichtlich von Forschern im Feld und von Menschen, die begeistert von der Zukunft der KI‑gesteuerten Forschung sind, gelobt. Aber es ließ einige Wissenschaftler, insbesondere Physiker, die das Rechnen sehen und KI nicht als „echte Physik“.

Was sollten Nobelpreise belohnen?

Dies ist Teil einer größeren und älteren Debatte darüber, was als „reine“ Wissenschaft gilt, die eines Nobelpreises würdig ist. Einige werden sagen, dass nur theoretische Fortschritte und wahre intellektuelle Durchbrüche den prestigeträchtigsten internationalen Wissenschaftspreis verdienen.

Ich bin sprachlos. Ich mag ML und ANN genauso wie jeder andere, aber es ist schwer zu sehen, dass dies eine physikalische Entdeckung ist. Ich vermute, der Nobelpreis wurde von KI‑Hype getroffen.

Jonathan Pritchard – Astrophysiker am Imperial College London

Andere werden sagen, dass Wissenschaften auch für ihre Auswirkungen auf die reale Welt belohnt werden sollten, besonders beim Nobelpreis, dessen Gründer, Herr Alfred Nobel dazu veranlasste, einen Preis zu verleihen „an diejenigen, die im vorangegangenen Jahr den größten Nutzen für die Menschheit erbracht haben“ in Physik, Chemie, Physiologie oder Medizin, Literatur und Frieden.

In diesem Kontext könnte argumentiert werden, dass neuronale Netze tatsächlich erheblich zum Nutzen der Menschheit beigetragen haben, in Zukunft voraussichtlich noch stärker dazu beitragen werden und daher des diesjährigen Nobelpreises würdig sind.

Ist Rechnen Physik?

Bezüglich des Nobelpreises 2024 in Physik war die Methode zur Erstellung neuronaler Netze tief in der Physik verwurzelt. Genauer gesagt zog sie stark aus der statistischen Physik, einem Gebiet, das Systeme mit vielen Elementen wie Gasen oder Flüssigkeiten beschreibt.

Sie ließ sich auch von der Beobachtung inspirieren, dass kollektive Eigenschaften vieler physikalischer Systeme gegenüber Änderungen der Modell‑Details robust sind. Insbesondere magnetische Materialien erhalten ihre besonderen Eigenschaften dank ihres atomaren Spins – einer Eigenschaft, die jedes Atom zu einem kleinen Magneten macht.

Insgesamt sind die vom Nobelpreis ausgezeichneten Modelle, die von Hinton erfundene Boltzmann‑Maschine und das Hopfield‑Netzwerk, „beide energiebasierte Modelle“, die sich kaum von der mathematischen Beschreibung unterscheiden, die zur Erklärung der Physik realer Materialien verwendet wird.

Dennoch fühlten einige „echte“ Physiker eine gewisse Bestürzung über die Idee, dass das Rechnen die Aufmerksamkeit von der Physik abzieht, vielleicht sprechen sie eher darüber, wie wenig Gesellschaft diesem Feld Respekt und Aufmerksamkeit entgegenbringt, als über den diesjährigen Nobelpreis selbst.

Es fällt in das Gebiet der Informatik. Der jährliche Nobelpreis ist eine seltene Gelegenheit für die Physik – und Physiker damit – ins Rampenlicht zu treten.

Es ist der Tag, an dem Freunde und Familie sich erinnern, dass sie einen Physiker kennen, und vielleicht gehen sie hin und fragen ihn oder sie, worum es bei diesem jüngsten Nobel geht. Aber nicht in diesem Jahr.

Sabine Hossenfelder – Physikerin am Münchner Zentrum für Mathematische Philosophie in Deutschland

Physik kehrt zur KI zurück

Die Nobelpreis‑Auszeichnung berücksichtigt auch die zunehmende Entwicklung im Rechnen, zu physikbasierten Methoden zurückzukehren, um maschinelles Lernen, neuronale Netze und KI zu verbessern.

Wir benötigen die Denkweise, die wir in der Physik haben, um maschinelles Lernen zu studieren.

Lenka Zdeborová – Statistische Physikerin am Eidgenössischen Institut für Technologie in Lausanne.

Die frühen Arbeiten an neuronalen Netzen waren wirklich interdisziplinär, ließen sich auch von den neuesten Fortschritten in unserem Verständnis darüber inspirieren, wie biologische Neuronen funktionieren, und vereinten Mathematik, Physik, Informatik und Neurobiologie.

Ich denke, der Nobelpreis für Physik sollte sich weiter in mehr Bereiche des physikalischen Wissens ausbreiten. Die Physik wird immer breiter und enthält viele Wissensgebiete, die es früher nicht gab oder die nicht Teil der Physik waren.

Giorgio Parisi – Physiker an der Sapienza-Universität Rom, der den Physik‑Nobel 2021 teilte.

Also wenn es vielleicht ein wenig überraschend ist und zum Missfallen der puristischsten Physiker führt, ist die Vergabe des Nobelpreises an John Hopfield und Geoffrey Hinton nicht so weit von der Physik und den „harten Wissenschaften“ entfernt, wie es auf den ersten Blick scheinen mag.

Verstärkt das den Schaden?

Vielleicht wäre die Reaktion einiger Mitglieder der wissenschaftlichen Gemeinschaft gemäßigter gewesen, wenn der Chemie‑Nobelpreis nicht ebenfalls rechnerisch ausgerichtet gewesen wäre.

Hier konzentriert sich die Debatte stärker auf den tatsächlichen Beitrag der KI zum Feld und gibt etwas Anerkennung der Kritik „Vermutlich wurde der Nobelpreis von KI‑Hype getroffen“.

Dies liegt daran, dass neuronale Netze wie AlphaFold, die die 3‑D‑Konfiguration von Proteinen vorhersagen, auf einem riesigen Datenschatz aufgebaut wurden, der über Jahrzehnte praktischer Experimente entstanden ist. Dazu gehört insbesondere die Protein Data Bank, ein frei zugängliches Repository mit mehr als 200.000 Proteinstrukturen.

Diese Strukturen wurden über Jahrzehnte hinweg experimentell von Tausenden menschlicher Forscher bestimmt, wobei fortschrittliche Methoden (oft selbst Nobelpreis‑erlangende Entdeckungen) wie Röntgenkristallographie, Kryo‑Elektronenmikroskopie usw. verwendet wurden.

Ich denke nicht, dass AlphaFold irgendeine radikale Veränderung in der zugrunde liegenden Wissenschaft beinhaltet, die nicht bereits vorhanden war.

Es ist einfach, wie es zusammengefügt und in einer nahtlosen Weise konzipiert wurde, die AlphaFold ermöglichte, diese Höhen zu erreichen.

David Jones – Bioinformatiker am University College London, der mit DeepMind an der ersten Version von AlphaFold zusammenarbeitete

Wie wirkungsvoll ist AlphaFold?

AlphaFold dafür zu kritisieren, dass es „nur auf vorheriger Forschung aufbaut“, kann vielleicht als etwas fehlgeleitet angesehen werden. Schließlich ist es ein sehr häufiges Muster, dass eine Nobelpreis‑gekrönte Entdeckung oft auf 3‑4 anderen vorherigen Nobelpreis‑gekrönten Entdeckungen aufbaut.

Wichtiger ist, festzustellen, ob AlphaFold ein echter Durchbruch ist, der das zuvor Unmögliche plötzlich erreichbar macht.

Wir haben zuvor ein wissenschaftliches Papier diskutiert, das untersucht, ob AlphaFold neue Moleküle und Medikamente entdecken kann, anstatt nur die bereits bekannten Daten zu verfeinern.

Und es scheint der Fall zu sein:

Forscher stellten fest, dass der Anteil der Verbindungen, die die Proteinaktivität für jedes der Modelle veränderten, bei etwa 50 % bzw. 20 % für den Sigma‑2‑Rezeptor und die 5‑HT2A‑Rezeptoren lag. Ein Ergebnis von über 5 % ist außergewöhnlich.

Angesichts dessen, dass die Wirkstoffentdeckung sehr dem Versuch ähnelt, manuell eine Nadel im Heuhaufen zu finden, ist eine Erfolgsquote von 50 % beim „Raten“, wo die Nadel beim ersten Versuch liegt, tatsächlich außergewöhnlich.

Auch hier passt der diesjährige Nobelpreis für Chemie möglicherweise nicht zu reiner Wissenschaft und Fortschritt im grundlegenden Verständnis. Aber er scheint gut mit dem Ziel des Nobelpreises übereinzustimmen: „einen Preis zu verleihen an diejenigen, die im vorangegangenen Jahr den größten Nutzen für die Menschheit erbracht haben“.

Die Kontroverse schließen

Wir können uns einig sein, dass, da KI zu einem Schlüsselwerkzeug in den meisten wissenschaftlichen Disziplinen wird, wir nicht erwarten sollten, dass künftig jeder Nobelpreis hauptsächlich KI auszeichnet. Ebenso belohnen wir nicht regelmäßig das „grundlegende“ Rechnen (oder ebenso Chemie oder Metallurgie), weil Forscher täglich Computer (und Chemikalien und Metalle) einsetzen.

Allerdings scheint die Reaktion auf die diesjährige Nobelpreis‑Zuweisung etwas übertrieben zu sein, vielleicht verdeutlicht sie die Frustration von Wissenschaftlern, so viel mediale Aufmerksamkeit ausschließlich auf KI zu sehen, trotz beeindruckender wissenschaftlicher Fortschritte in den meisten Bereichen.

Was kann KI wirklich tun?

Auf jeden Fall wird KI wahrscheinlich eine wirklich transformative Technologie sein, und ein wahrer Meilenstein in der Geschichte der Menschheit, ähnlich früherer Technologien wie der Dampfmaschine, dem Telegraphen, dem Verbrennungsmotor oder den ersten Computern.

Hier ist eine kurze Liste der potenziellen Anwendungen von KI:

• Entdeckung von Medikamenten & biologische Datenanalyse.
• Diagnose & automatisierte medizinische Behandlung, einschließlich Chirurgie.
• Robotik, von Haushaltshelfern bis zur automatisierten Produktion.
• Selbstfahrende Autos & Logistik.
• Personalisierte Lernprozesse & Wissensverbreitung.
• Neue Materialien werden in Energie, Materialwissenschaften, Nanotechnologie usw. entdeckt.
• Neue Rechenmethoden, einschließlich Photonik, Quantencomputing usw.
• Weltraumerkundung, von automatisierten Außenkolonien bis zum Asteroidenbergbau.

In diesem Kontext ist der „Hype“ um KI völlig gerechtfertigt.

Aber wie bei den meisten neuen wichtigen Technologien kann der Prozess, die anfängliche Innovation in praktische Anwendungsfälle zu überführen, etwas länger dauern als erhofft, zum Beispiel Computer in den 1970er Jahren, Jahrzehnte vor der Internetrevolution und noch länger vor KI, während sie wahrscheinlich einen viel größeren Einfluss haben wird, als irgendjemand erwartet hat.