Τεχνητή νοημοσύνη
Είναι το Φαινόμενο Δικαιολογημένο; Γιατί Όλα τα Μάτια Επικεντρώνονται στην ΤΝ
Βραβείο Νόμπελ στην ΤΝ
Η λίστα των νικητών του Βραβείου Νόμπελ 2024 έφερε πολύ μεγάλη προσοχή στην ΤΝ. Αρχικά, αυτό συνέβη με το Βραβείο Νόμπελ στη Φυσική, το οποίο επιβράβευσε τη θεμελιώδη, εμπνευσμένη από τη φυσική θεωρία και το πρώιμο πρωτότυπο για την κατασκευή νευρωνικών δικτύων, τη βάση της περισσότερης σημερινής τεχνολογίας ΤΝ. Συζητήσαμε λεπτομερώς πώς λειτουργούσαν αυτά τα πρώιμα νευρωνικά δίκτυα στο “Επένδυση στα Επιτεύγματα του Βραβείου Νόμπελ — Τεχνητά Νευρωνικά Δίκτυα, Η Βάση της ΤΝ”.
Ένα ακόμη Βραβείο Νόμπελ, αυτή τη φορά στη Χημεία, απονεμήθηκε στην έρευνα με προσανατολισμό στην υπολογιστική. Πιο συγκεκριμένα, μισό δόθηκε στον Ντέιβιντ Μπέικερ «για υπολογιστικό σχεδιασμό πρωτεϊνών», και το άλλο μισό από κοινού στους κύριους ερευνητές του AlphaFold της Google, Ντέμις Χάσσιμπις και Τζον Μ. Τζάμπερ, «για πρόβλεψη δομής πρωτεϊνών».
Έτσι, δεν είναι υπερβολή να πούμε ότι το 2024 ήταν το έτος του Νόμπελ στην ΤΝ, με δύο από τα τρία Βραβεία Νόμπελ στις «σκληρές επιστήμες» (Φυσική, Χημεία, Ιατρική/Βιολογία) να απονέμονται σε έργα σχετιζόμενα με την ΤΝ.
Αυτό επαινέθηκε προφανώς από ερευνητές του πεδίου και από άτομα ενθουσιώδη για το μέλλον της έρευνας που καθοδηγείται από την ΤΝ. Αλλά επίσης έκανε μερικούς επιστήμονες, ιδιαίτερα φυσικούς, να σήκουν τα φρύδια, βλέποντας την υπολογιστική καιτην ΤΝ ως μη «πραγματική φυσική».
Τι Πρέπει να Επιβραβεύουν τα Βραβεία Νόμπελ;
Αυτό αποτελεί μέρος μιας μεγαλύτερης και παλαιότερης συζήτησης για το τι αποτελεί «καθαρή» επιστήμη που αξίζει ένα Βραβείο Νόμπελ. Κάποιοι θα πούν ότι μόνο η θεωρητική πρόοδος και οι πραγματικές διανοητικές ανακαλύψεις αξίζουν το πιο φημισμένο διεθνές βραβείο στην επιστήμη.
Δεν έχω λέξεις. Μου αρέσει η Μηχανική Μάθηση και τα Τεχνητά Νευρωνικά Δίκτυα όσο και σε οποιονδήποτε, αλλά είναι δύσκολο να το δω ως ανακάλυψη της Φυσικής. Φαίνεται ότι το Νόμπελ χτυπήθηκε από το hype της ΤΝ.
Jonathan Pritchard – Αστροφυσικός στο Imperial College London
Άλλοι θα πούν ότι οι επιστήμες πρέπει επίσης να επιβραβεύονται για τον αντίκτυπό τους στον πραγματικό κόσμο, ειδικά όταν πρόκειται για το Βραβείο Νόμπελ, του οποίου ο ιδρυτής, κ. Alfred Nobel, δημιούργησε για να δίνει ένα βραβείο «συγκεκριμένα σε εκείνους που, κατά το προηγούμενο έτος, παρείχαν το μεγαλύτερο όφελος στην ανθρωπότητα» στη φυσική, χημεία, φυσιολογία ή ιατρική, λογοτεχνία και ειρήνη.
Σε αυτό το πλαίσιο, μπορεί να υποστηριχθεί ότι τα νευρωνικά δίκτυα έχουν πράγματι συμβάλει σημαντικά στο όφελος της ανθρωπότητας, είναι πιθανό να συνεχίσουν να το κάνουν ακόμη περισσότερο στο μέλλον, και επομένως αξίζουν το βραβείο του τρέχοντος έτους.
Είναι η Υπολογιστική Φυσική;
Αναφορικά με το Βραβείο Νόμπελ 2024 στη Φυσική, η μέθοδος που αναπτύχθηκε για τη δημιουργία νευρωνικών δικτύων είχε βαθιές ρίζες στη φυσική. Πιο συγκεκριμένα, αντλήθηκε έντονα από τη στατιστική φυσική, έναν κλάδο που περιγράφει συστήματα με πολλά στοιχεία όπως αέρια ή υγρά.
Επίσης αντλήθηκε έμπνευση από την παρατήρηση ότι οι συλλογικές ιδιότητες σε πολλά φυσικά συστήματα είναι ανθεκτικές σε αλλαγές στις λεπτομέρειες του μοντέλου. Ιδιαίτερα, τα μαγνητικά υλικά αποκτούν τις ειδικές τους χαρακτηριστικές χάρη στο ατομικό τους σπιν, μια ιδιότητα που κάνει κάθε άτομο μικρό μαγνήτη.
Συνολικά, τα μοντέλα που επιβραβεύτηκαν με το Νόμπελ, η μηχανή Μπόλτζμαν που εφηύρε ο Hinton και το δίκτυο Hopfield, «είναι και τα δύο μοντέλα βασισμένα στην ενέργεια» που δεν διαφέρουν πολύ από την μαθηματική περιγραφή που χρησιμοποιείται για την κατανόηση της φυσικής των πραγματικών υλικών.
Ωστόσο, κάποιοι «πραγματικοί» φυσικοί ένιωσαν απογοήτευση με την ιδέα ότι η υπολογιστική κερδίζει την προσοχή από τη φυσική, ίσως μιλώντας περισσότερο για το πόσο λίγη εκτίμηση και προσοχή δίνει η κοινωνία σε αυτόν τον τομέα, παρά για το ίδιο το Νόμπελ του τρέχοντος έτους.
“Ανήκει στον τομέα της επιστήμης των υπολογιστών. Το ετήσιο βραβείο Νόμπελ είναι μια σπάνια ευκαιρία για τη φυσική — και τους φυσικούς με αυτήν — να βγουν στο προσκήνιο.
Είναι η μέρα που φίλοι και οικογένεια θυμούνται ότι γνωρίζουν έναν φυσικό και ίσως τον/την ρωτήσουν τι ακριβώς σημαίνει αυτό το πρόσφατο Νόμπελ. Αλλά όχι φέτος.
Sabine Hossenfelder- Φυσικός στο Munich Center for Mathematical Philosophy στη Γερμανία
Η Φυσική Επιστρέφει στην ΤΝ
Η ανταμοιβή του Νόμπελ λαμβάνει επίσης υπόψη την αυξανόμενη ανάπτυξη στην υπολογιστική που επιστρέφει σε μεθόδους βασισμένες στη φυσική για τη βελτίωση της μηχανικής μάθησης, των νευρωνικών δικτύων και της ΤΝ.
“Χρειαζόμαστε τον τρόπο σκέψης που έχουμε στη φυσική για τη μελέτη της μηχανικής μάθησης.”
Lenka Zdeborová – Στατιστική φυσικός στο Ελβετικό Ομοσπονδιακό Ινστιτούτο Τεχνολογίας στη Λωζάνη.
Η πρώιμη εργασία στα νευρωνικά δίκτυα ήταν πραγματικά διεπιστημονική, αντλώντας επίσης έμπνευση από τις τελευταίες προόδους στην κατανόηση του πώς λειτουργούν τα βιολογικά νευρώνια, και συνδυάζοντας μαθηματικά, φυσική, επιστήμες υπολογιστών και νευροβιολογία.
“Πιστεύω ότι το Βραβείο Νόμπελ στη Φυσική θα πρέπει να συνεχίσει να επεκτείνεται σε περισσότερες περιοχές της γνώσης της φυσικής. Η φυσική γίνεται όλο και πιο ευρεία, και περιλαμβάνει πολλούς τομείς γνώσης που δεν υπήρχαν στο παρελθόν, ή δεν ήταν μέρος της φυσικής.”
Giorgio Parisi- Φυσικός στο Πανεπιστήμιο Sapienza της Ρώμης, ο οποίος κέρδισε το Νόμπελ Φυσικής το 2021.
Έτσι, αν και ίσως είναι λίγο εκπληκτικό, και προς τη δυσαρέσκεια των πιο καθαρών φυσικών, η απονομή του Νόμπελ στους John Hopfield και Geoffrey Hinton δεν είναι τόσο μακριά από τη φυσική και τις «σκληρές επιστήμες» όσο φαίνεται αρχικά.
Προσθέτοντας Πιόνι στο Πληγωμένο;
Ίσως η αντίδραση κάποιων μελών της επιστημονικής κοινότητας θα ήταν πιο ήπια αν το Βραβείο Νόμπελ στη Χημεία δεν είχε επίσης εστιαστεί στην υπολογιστική.
Εδώ, η συζήτηση εστιάζει περισσότερο στην πραγματική συνεισφορά της ΤΝ στον τομέα, δίνοντας κάποια αναγνώριση στην κριτική «Φαίνεται ότι το Νόμπελ χτυπήθηκε από το hype της ΤΝ».
Αυτό συμβαίνει επειδή νευρωνικά δίκτυα όπως το AlphaFold, που προβλέπουν τη 3Δ διαμόρφωση των πρωτεϊνών, χτίστηκαν πάνω σε ένα τεράστιο θησαυρό δεδομένων που συγκεντρώθηκε σε δεκαετίες πρακτικών πειραμάτων. Αυτό περιλαμβάνει ιδιαίτερα την Πρωτεϊνική Βάση Δεδομένων (Protein Data Bank), ένα ελεύθερα προσβάσιμο αποθετήριο με πάνω από 200.000 δομές πρωτεϊνών.
Αυτές οι δομές καθορίστηκαν πειραματικά από χιλιάδες ερευνητές κατά τη διάρκεια δεκαετιών, χρησιμοποιώντας προηγμένες μεθόδους (συχνά και αυτές βραβευμένες με Νόμπελ) όπως η ακτίνων Χ κρυσταλλογραφία, η κρυοηλεκτρονική μικροσκοπία κ.λπ.
“Δεν νομίζω ότι το AlphaFold περιλαμβάνει κάποια ριζική αλλαγή στην υποκείμενη επιστήμη που δεν υπήρχε ήδη.
Απλώς τοποθετήθηκε και σχεδιάστηκε με έναν τόσο αδιάλειπτο τρόπο που επέτρεψε στο AlphaFold να φτάσει σε αυτά τα ύψη.
David Jones – Βιοπληροφορικός στο University College London, ο οποίος συνεργάστηκε με τη DeepMind στην πρώτη έκδοση του AlphaFold
Πόσο Επιδραστικό Είναι το AlphaFold;
Η κριτική του AlphaFold ως «μόνο επέκταση προηγούμενης έρευνας» μπορεί να θεωρηθεί λίγο εκτός στόχου. Τελικά, είναι πολύ συνηθισμένο ένα βραβευμένο με Νόμπελ εύρημα να βασίζεται σε 3-4 άλλα προηγούμενα βραβευμένα με Νόμπελ ευρήματα.
Πιο σημαντικό, είναι κρίσιμο να προσδιοριστεί αν το AlphaFold αποτελεί πραγματική επανάσταση, καθιστώντας το προηγουμένως αδύνατο ξαφνικά εφικτό.
Και φαίνεται ότι είναι έτσι:
Οι ερευνητές διαπίστωσαν ότι το ποσοστό των ενώσεων που επηρέαζαν τη δραστηριότητα της πρωτεΐνης για κάθε ένα από τα μοντέλα ήταν περίπου 50% και 20% για τον υποδοχέα sigma-2 και τους υποδοχείς 5-HT2A, αντίστοιχα. Ένα αποτέλεσμα μεγαλύτερο του 5% είναι εξαιρετικό.
Λαμβάνοντας υπόψη ότι η ανακάλυψη φαρμάκων μοιάζει πολύ με το να προσπαθείς να βρεις χειροκίνητα μια βελόνα σε μια άχυρη, ένα ποσοστό επιτυχίας 50% στο «να μαντέψεις» πού βρίσκεται η βελόνα από την πρώτη προσπάθεια είναι πράγματι εξαιρετικό.
Έτσι και εδώ, το Βραβείο Νόμπελ στη Χημεία του τρέχοντος έτους ίσως να μην ταιριάζει με τις απαιτήσεις της «καθαρής» επιστήμης και της προόδου στην θεμελιώδη κατανόηση. Αλλά φαίνεται να ταιριάζει καλά με τον στόχο του Νόμπελ: «να δώσει ένα βραβείο σε αυτούς που, κατά το προηγούμενο έτος, παρείχαν το μεγαλύτερο όφελος στην ανθρωπότητα».
Κλείνοντας την Αντιπαράθεση
Μπορούμε να συμφωνήσουμε ότι καθώς η ΤΝ γίνεται βασικό εργαλείο στις περισσότερες επιστημονικές περιοχές, δεν πρέπει να βλέπουμε κάθε Νόμπελ να επιβραβεύει κυρίως την ΤΝ στο μέλλον. Με τον ίδιο τρόπο, δεν επιβραβεύουμε τακτικά την «βασική» υπολογιστική (ή, για το ίδιο, τη χημεία ή τη μεταλλουργία) επειδή οι ερευνητές χρησιμοποιούν υπολογιστές (και χημικά και μέταλλα) καθημερινά.
Ωστόσο, φαίνεται ότι η αντίδραση κατά της απονομής του Νόμπελ φέτος ήταν λίγο υπερβολική, ίσως δείχνοντας την απογοήτευση των επιστημόνων που βλέπουν τόσο μεγάλη προσοχή των μέσων να απορροφάται από την ΤΝ, παρά τα εντυπωσιακά επιστημονικά επιτεύγματα στις περισσότερες περιοχές.
Τι Μπορεί Πραγματικά να Κάνει η ΤΝ;
Σε κάθε περίπτωση, η ΤΝ είναι πιθανό να αποτελέσει πραγματικά μετασχηματιστική τεχνολογία, και ένα πραγματικό ορόσημο στην ιστορία της ανθρωπότητας με παρόμοιο τρόπο όπως προηγούμενες τεχνολογίες όπως η ατμομηχανή, το τηλέγραφο, η εσωτερική καύση ή οι πρώτοι υπολογιστές.
Ακολουθεί μια σύντομη λίστα με τις πιθανές εφαρμογές της ΤΝ:
- Ανακάλυψη φαρμάκων & Ανάλυση βιολογικών δεδομένων.
- Διάγνωση & Αυτόματη ιατρική θεραπεία, συμπεριλαμβανομένης της χειρουργικής.
- Ρομποτική, από οικιακούς βοηθούς μέχρι αυτοματοποιημένη παραγωγή.
- Αυτοκινούμενα οχήματα & Λογιστική.
- Προσωποποιημένη μάθηση & Διάδοση γνώσης.
- Νέα υλικά ανακαλύπτονται στην ενέργεια, τις επιστήμες υλικών, τη νανοτεχνολογία κ.λπ.
- Νέες μέθοδοι υπολογισμού, συμπεριλαμβανομένης της φωτονικής, της κβαντικής υπολογιστικής κ.λπ.
- Διερεύνηση του διαστήματος, από αυτοματοποιημένες αποικίες εκτός πλανήτη μέχρι εξόρυξη αστεροειδών.
Σε αυτό το πλαίσιο, το «hype» γύρω από την ΤΝ είναι απολύτως δικαιολογημένο.
Αλλά όπως συμβαίνει με τις περισσότερες νέες σημαντικές τεχνολογίες, η διαδικασία μετατροπής της αρχικής καινοτομίας σε πρακτικές περιπτώσεις χρήσης μπορεί να διαρκέσει λίγο περισσότερο από ό,τι ελπίζαμε, για παράδειγμα, οι υπολογιστές τη δεκαετία του 1970, δεκαετίες πριν την επανάσταση του Διαδικτύου και ακόμη περισσότερο πριν την ΤΝ, ενώ πιθανότατα θα έχει αντίκτυπο πολύ μεγαλύτερο από ό,τι κανείς θα μπορούσε να προβλέψει.
