Tekoäly
Onko hype oikeutettua? Miksi kaikki katseet ovat AI:ssa
Lisää Securities.io suosikkilähteisiisi Google-palvelussa
Nobelin palkinto tekoälyssä
Vuoden 2024 Nobel-palkinnot ovat nostaneet tekoälyn huomion keskipisteeksi. Ensin fysiikan Nobel-palkinto myönnettiin fysiikasta ammentaneelle perustutkimukselle ja varhaisille neuroverkkomalleille. Neuroverkot ovat suuren osan nykyisestä tekoälystä perustana. Käsittelimme näiden varhaisten verkkojen toimintaa yksityiskohtaisesti artikkelissa ”Sijoittaminen Nobelin palkintojen saavutuksiin – Keinotekoiset hermoverkot, tekoälyn perusta”.
Toinen laskennalliseen tutkimukseen kohdistunut Nobel-palkinto myönnettiin kemiassa. Puolet palkinnosta sai David Baker laskennallisesta proteiinisuunnittelusta. Toisen puolen jakoivat Googlen AlphaFoldin keskeiset tutkijat Demis Hassabis ja John M. Jumper proteiinien rakenteiden ennustamisesta.
Vuotta 2024 voikin kutsua tekoälyn Nobel-vuodeksi: kaksi kolmesta luonnontieteisiin liittyvästä Nobel-palkinnosta eli fysiikan, kemian ja fysiologian tai lääketieteen palkinnoista myönnettiin tekoälyyn liittyvälle työlle.
Alan tutkijat ja tekoälyavusteisen tutkimuksen tulevaisuudesta innostuneet ihmiset tietenkin kiittivät ratkaisuja. Ne kuitenkin myös herättivät epäilyksiä tutkijoissa, erityisesti fyysikoissa, joiden mielestä laskenta ja tekoäly eivät ole ”oikeaa fysiikkaa”.
Mistä Nobel-palkinto pitäisi myöntää?
Tämä liittyy vanhempaan ja laajempaan keskusteluun siitä, millainen ”puhdas” tiede ansaitsee Nobel-palkinnon. Joidenkin mielestä vain teoreettiset edistysaskeleet ja todelliset käsitteelliset läpimurrot ovat tieteen arvostetuimman kansainvälisen palkinnon arvoisia.
”Olen sanaton. Pidän koneoppimisesta ja keinotekoisista neuroverkoista siinä missä muutkin, mutta tätä on vaikea pitää fysiikan löytönä. Tekoälyhype taisi tarttua Nobeliinkin.”
Jonathan Pritchard – Imperial College Londonin astrofyysikko
Toisten mielestä tiedettä tulisi palkita myös sen vaikutuksesta todelliseen maailmaan. Tämä koskee erityisesti Nobel-palkintoa, jonka perustaja Alfred Nobel määräsi palkinnon annettavaksi ”niille, jotka edeltävänä vuonna ovat tuottaneet ihmiskunnalle suurimman hyödyn” fysiikan, kemian, fysiologian tai lääketieteen, kirjallisuuden ja rauhan aloilla.
Tästä näkökulmasta voidaan väittää, että neuroverkot ovat jo hyödyttäneet ihmiskuntaa merkittävästi ja todennäköisesti hyödyttävät sitä tulevaisuudessa vielä enemmän. Siksi niitä voidaan pitää tämän vuoden Nobel-palkinnon arvoisina.
Onko laskenta fysiikkaa?
Vuoden 2024 fysiikan Nobel-palkinnon tapauksessa neuroverkkojen kehitysmenetelmät perustuivat vahvasti fysiikkaan. Ne ammensivat erityisesti tilastollisesta fysiikasta, joka kuvaa monista osista koostuvia järjestelmiä, kuten kaasuja ja nesteitä.
Innoitusta saatiin myös havainnosta, että monien fysikaalisten järjestelmien kollektiiviset ominaisuudet kestävät mallin yksityiskohtien muutoksia. Esimerkiksi magneettisten materiaalien erityisominaisuudet perustuvat atomien spiniin, jonka vuoksi kukin atomi käyttäytyy pienen magneetin tavoin.
Nobel-palkinnolla tunnustetut mallit, Hintonin kehittämä Boltzmannin kone ja Hopfieldin verkko, ovat molemmat energiapohjaisia malleja. Niiden matematiikka muistuttaa todellisten materiaalien fysiikan kuvaamiseen käytettyä matematiikkaa.
Joitakin ”oikeita” fyysikoita harmitti silti ajatus, että laskenta vie fysiikalta valokeilan. Tämä saattaa kertoa enemmän alan yhteiskunnallisen arvostuksen ja huomion vähäisyydestä kuin itse tämän vuoden palkinnosta.
”Tämä kuuluu tietojenkäsittelytieteen alaan. Vuosittainen Nobel-palkinto tarjoaa fysiikalle ja fyysikoille harvinaisen mahdollisuuden päästä valokeilaan.
Silloin ystävät ja sukulaiset muistavat tuntevansa fyysikon ja saattavat kysyä häneltä, mistä uusimmassa Nobel-palkinnossa oikein on kyse. Mutta eivät tänä vuonna.”
Sabine Hossenfelder – fyysikko Saksan Munich Center for Mathematical Philosophy -tutkimuskeskuksessa
Fysiikka palaa tekoälyyn
Palkinto liittyy myös laskennan kasvavaan suuntaukseen, jossa fysiikkaan perustuvia menetelmiä käytetään koneoppimisen, neuroverkkojen ja tekoälyn parantamiseen.
”Tarvitsemme fysiikalle ominaista ajattelutapaa koneoppimisen tutkimiseen.”
Lenka Zdeborová – tilastollisen fysiikan tutkija Lausannen teknillisessä korkeakoulussa Sveitsissä.
Varhainen neuroverkkotutkimus oli aidosti monitieteistä. Se ammensi myös uusimmasta tiedosta biologisten hermosolujen toiminnasta ja yhdisti matematiikkaa, fysiikkaa, tietojenkäsittelytiedettä ja neurobiologiaa.
”Mielestäni fysiikan Nobel-palkinnon tulisi ulottua yhä useammille fysiikan osa-alueille. Fysiikka laajenee jatkuvasti ja sisältää monia tiedonaloja, joita ei ennen ollut olemassa tai joita ei pidetty osana fysiikkaa.”
Giorgio Parisi – Rooman Sapienza-yliopiston fyysikko, joka jakoi vuoden 2021 fysiikan Nobel-palkinnon.
Vaikka John Hopfieldin ja Geoffrey Hintonin palkitseminen saattoi yllättää ja harmittaa kaikkein tiukimmin alansa rajoja puolustavia fyysikoita, ratkaisu ei siis ole niin kaukana fysiikasta ja luonnontieteistä kuin ensi silmäyksellä voisi vaikuttaa.
Lisää suolaa haavoihin?
Joidenkin tiedeyhteisön jäsenten reaktio olisi ehkä ollut maltillisempi, ellei myös kemian Nobel-palkinto olisi keskittynyt laskennalliseen tutkimukseen.
Tässä keskustelussa painottuu tekoälyn todellinen panos alalle, mikä antaa jonkin verran tukea kritiikille tekoälyhypen vaikutuksesta Nobel-palkintoihin.
Proteiinien kolmiulotteista rakennetta ennustavat neuroverkot, kuten AlphaFold, perustuvat vuosikymmenten kokeellisessa tutkimuksessa kerättyyn valtavaan tietomäärään. Erityisen tärkeä on Protein Data Bank, avoin tietokanta, jossa on yli 200,000 proteiinirakennetta.
Tuhannet tutkijat selvittivät nämä rakenteet kokeellisesti vuosikymmenten aikana käyttäen kehittyneitä menetelmiä, kuten röntgenkristallografiaa ja kryoelektronimikroskopiaa. Monet näistä menetelmistäkin perustuvat Nobel-palkittuihin löytöihin.
”En usko AlphaFoldin sisältävän mitään mullistavaa muutosta taustalla olevaan tieteeseen, jota ei olisi ollut jo olemassa.
Sen osat vain koottiin ja suunniteltiin niin saumattomasti, että AlphaFold pääsi tällaisiin tuloksiin.”
David Jones – University College Londonin bioinformaatikko, joka teki yhteistyötä DeepMindin kanssa AlphaFoldin ensimmäisen version kehittämisessä
Kuinka vaikuttava AlphaFold on?
AlphaFoldin arvostelu siitä, että se ”vain rakentaa aiemman tutkimuksen varaan”, voi hieman mennä ohi asian. Onhan hyvin tavallista, että Nobel-palkittu löytö perustuu kolmeen tai neljään aiempaan Nobel-palkittuun löytöön.
Olennaisempaa on selvittää, onko AlphaFold todellinen läpimurto, joka tekee aiemmin mahdottomasta mahdollista.
Tulokset näyttävät tukevan tätä:
Tutkijat havaitsivat, että proteiinin aktiivisuutta muuttaneiden yhdisteiden osuus oli käytetyissä malleissa noin 50% sigma-2-reseptorille ja 20% 5-HT2A-reseptorille. Jo yli 5%:n tulos on poikkeuksellinen.
Lääkekehitys muistuttaa neulan etsimistä heinäsuovasta. Siksi 50%:n onnistumisosuus lupaavien yhdisteiden löytämisessä on huomattava.
Myöskään tämän vuoden kemian Nobel-palkinto ei ehkä täytä kaikkien käsitystä ”puhtaasta” tieteestä ja perustavan ymmärryksen edistämisestä. Se näyttää kuitenkin vastaavan hyvin Nobel-palkinnon ilmoitettua tavoitetta: ”antaa palkinto niille, jotka edeltävänä vuonna ovat tuottaneet ihmiskunnalle suurimman hyödyn”.
Kiistan päättäminen
Kun tekoälystä tulee keskeinen työkalu useimmilla tieteenaloilla, jokaisen tulevan Nobel-palkinnon ei pitäisi ensisijaisesti palkita tekoälyä. Emmehän säännöllisesti palkitse perustason laskentaa, kemiaa tai metallurgiaakaan vain siksi, että tutkijat käyttävät päivittäin tietokoneita, kemikaaleja ja metalleja.
Tämän vuoden palkintojen vastainen reaktio vaikuttaa silti hieman liioitellulta. Se saattaa kuvastaa tutkijoiden turhautumista siihen, että tekoäly vie niin suuren osan median huomiosta, vaikka useimmilla aloilla saavutetaan vaikuttavaa tieteellistä edistystä.
Mitä tekoäly todella voi tehdä?
Tekoäly on joka tapauksessa todennäköisesti aidosti mullistava teknologia ja ihmiskunnan historian merkkipaalu samaan tapaan kuin höyrykone, lennätin, polttomoottori ja ensimmäiset tietokoneet olivat aikanaan.
Tässä on lyhyt luettelo tekoälyn mahdollisista käyttökohteista:
- Lääkekehitys ja biologinen data-analyysi.
- Diagnostiikka ja automatisoitu lääketieteellinen hoito, mukaan lukien leikkaus.
- Robotiikka, kotitalousavustajista automatisoituun tuotantoon.
- Itseohjautuvat autot ja logistiikka.
- Personoitu oppiminen ja tiedon levittäminen.
- Uusia materiaaleja löydetään energian, materiaalitieteen, nanoteknologian ym. aloilla.
- Uusia laskentamenetelmiä, mukaan lukien fotoniikka, kvanttilaskenta ym.
- Avaruustutkimus ja automatisoidut siirtokunnat Maan ulkopuolella asteroidien louhintaa varten.
Tästä näkökulmasta tekoälyyn kohdistuva innostus on täysin perusteltua.
Kuten useimpien merkittävien uusien teknologioiden kohdalla, alkuperäisen innovaation muuttaminen käytännön sovelluksiksi voi kestää toivottua kauemmin. Esimerkiksi 1970-luvun tietokoneista kului vuosikymmeniä internetin vallankumoukseen ja vielä pidempään nykyiseen tekoälyyn. Lopullinen vaikutus voi samalla olla paljon suurempi kuin kukaan osasi odottaa.
