Il clamore è giustificato? Perché tutti gli occhi sono sull’IA

Premio Nobel per l’IA

L’elenco dei vincitori del Premio Nobel 2024 ha attirato molta attenzione sull’IA. Inizialmente è stato con il Premio Nobel per la Fisica, che ha premiato la teoria fondamentale ispirata alla fisica e il prototipo iniziale per la costruzione delle reti neurali, la base della maggior parte della tecnologia IA odierna. Abbiamo discusso in dettaglio come funzionavano queste prime reti neurali in “Investire nei risultati del Premio Nobel — Reti Neurali Artificiali, la Base dell’IA”.

Un altro Premio Nobel, questa volta in Chimica, è stato assegnato alla ricerca focalizzata sul calcolo. Più precisamente, è stato diviso a metà per David Baker “per la progettazione computazionale di proteine”, e l’altra metà congiuntamente ai principali ricercatori di AlphaFold di Google, Demis Hassabis e John M. Jumper, “per la previsione della struttura delle proteine”.

Quindi, non è un’esagerazione dire che il 2024 è stato l’anno del Nobel per l’IA, con due dei tre Premi Nobel nelle “scienze dure” (Fisica, Chimica, Medicina/Biologia) assegnati a progetti legati all’IA.

Questo è stato ovviamente elogiato dai ricercatori del settore e dalle persone entusiaste del futuro della ricerca guidata dall’IA. Ma ha anche sollevato qualche sopracciglio tra gli scienziati, soprattutto i fisici, che vedono il calcolo e l’IA come non “vera fisica”.

Cosa dovrebbero premiare i Premi Nobel?

Questo fa parte di un dibattito più ampio e più antico su cosa costituisca la scienza “pura” degna di un Premio Nobel. Alcuni diranno che solo i progressi teorici e le vere scoperte intellettuali meritano il più prestigioso premio internazionale in scienza.

“Non ho parole. Mi piacciono il ML e le ANN quanto a chiunque, ma è difficile vedere questo come una scoperta di Fisica. Immagino che il Nobel sia stato colpito dall’hype sull’IA.

Jonathan Pritchard – Astrofisico all’Imperial College London

Altri sosterranno che le scienze dovrebbero essere premiate anche per il loro impatto sul mondo reale, soprattutto quando si tratta del Premio Nobel, il cui fondatore, il signor Alfred Nobel, lo creò per assegnare un premio “a coloro che, nell’anno precedente, hanno conferito il più grande beneficio all’umanità” in fisica, chimica, fisiologia o medicina, letteratura e pace.

In questo contesto, si potrebbe sostenere che le reti neurali hanno effettivamente contribuito in modo significativo al beneficio dell’umanità, probabilmente continueranno a farlo ancora di più in futuro, e sono quindi degne del Premio Nobel di quest’anno.

Il calcolo è fisica?

Per quanto riguarda specificamente il Premio Nobel per la Fisica 2024, il metodo sviluppato per creare le reti neurali era profondamente radicato nella fisica. Più precisamente, si ispirava molto alla fisica statistica, un campo che descrive sistemi con molti elementi come gas o liquidi.

Si ispirò anche all’osservazione che le proprietà collettive in molti sistemi fisici sono robuste ai cambiamenti nei dettagli del modello. In particolare, i materiali magnetici derivano le loro caratteristiche speciali grazie allo spin atomico – una proprietà che rende ogni atomo un piccolo magnete.

Nel complesso, i modelli premiati dal Nobel, la macchina di Boltzmann inventata da Hinton e la rete di Hopfield, “sono entrambi modelli basati sull’energia” che non differiscono molto dalla descrizione matematica usata per comprendere la fisica dei materiali reali.

Tuttavia, alcuni fisici “veri” hanno provato una certa delusione all’idea che il calcolo stia rubando la scena alla fisica, forse parlando più di quanto la società rispetti e dia attenzione a questo campo rispetto al Premio Nobel di quest’anno stesso.

“Rientra nel campo dell’informatica. Il premio Nobel annuale è una rara opportunità per la fisica — e per i fisici con essa — di entrare sotto i riflettori.

È il giorno in cui amici e familiari ricordano di conoscere un fisico e magari vanno a chiedergli o chiedergli di cosa tratti questo recente Nobel. Ma non quest’anno.

Sabine Hossenfelder – Fisica al Munich Center for Mathematical Philosophy in Germania

La fisica ritorna nell’IA

Il premio Nobel tiene anche conto di un crescente sviluppo nel calcolo che ritorna a metodi basati sulla fisica per migliorare il machine learning, le reti neurali e l’IA.

“Abbiamo bisogno del modo di pensare che abbiamo in fisica per studiare il machine learning.”

Lenka Zdeborová – Fisica statistica al Swiss Federal Institute of Technology di Losanna.

Il lavoro iniziale sulle reti neurali era davvero interdisciplinare, prendendo ispirazione anche dagli ultimi progressi nella comprensione di come funzionano i neuroni biologici, e unendo matematica, fisica, informatica e neurobiologia.

“Penso che il Premio Nobel per la Fisica dovrebbe continuare a diffondersi in più regioni della conoscenza fisica. La fisica sta diventando sempre più ampia, e contiene molte aree di conoscenza che non esistevano in passato, o non facevano parte della fisica.” Giorgio Parisi – Fisico all’Università Sapienza di Roma, che ha condiviso il Nobel per la fisica 2021.

Quindi, anche se può risultare un po’ sorprendente, e a disappunto dei fisici più puristi, l’attribuzione del Premio Nobel a John Hopfield e Geoffrey Hinton non è così distante dalla fisica e dalle “scienze dure” come potrebbe sembrare a prima vista.

Aggiungere un insulto al danno?

Forse la reazione di alcuni membri della comunità scientifica sarebbe stata più moderata se il Premio Nobel per la Chimica non fosse stato anche incentrato sul calcolo.

Qui, il dibattito è più focalizzato sul reale contributo dell’IA al campo, dando un po’ di credito alla critica “Il Nobel è stato colpito dall’hype dell’IA”.

Ciò è dovuto al fatto che reti neurali come AlphaFold, che prevedono la configurazione 3D delle proteine, sono state costruite su un enorme tesoro di dati accumulato in decenni di esperimenti pratici. Questo include soprattutto il Protein Data Bank, un repository liberamente disponibile con più di 200.000 strutture proteiche.

Queste strutture sono state determinate sperimentalmente da migliaia di ricercatori umani in decenni, usando metodi avanzati (spesso anch’essi scoperte premiate con il Nobel) come la cristallografia a raggi X, la crio-microscopia elettronica, ecc.

“Non credo che AlphaFold comporti alcun cambiamento radicale nella scienza di base che non fosse già presente.

È solo il modo in cui è stato assemblato e concepito in modo così fluido che ha permesso ad AlphaFold di raggiungere tali altezze.

David Jones – Bioinformatico al University College London, che ha collaborato con DeepMind nella prima versione di AlphaFold

Quanto è impattante AlphaFold?

Criticare AlphaFold come “solo un’estensione della ricerca precedente” può forse essere un po’ fuori luogo. Dopotutto, è un modello molto comune che una scoperta premiata con il Nobel si basi spesso su 3-4 altre scoperte premiate con il Nobel.

Più importante, è fondamentale determinare se AlphaFold sia una vera svolta, rendendo improvvisamente realizzabile ciò che prima era impossibile.

Abbiamo precedentemente discusso un articolo scientifico che indaga se AlphaFold può scoprire nuove molecole e farmaci, invece di limitarsi a perfezionare i dati già noti.

E sembra essere così:

I ricercatori hanno determinato che la percentuale di composti che alteravano l’attività proteica per ciascuno dei modelli era intorno al 50% e al 20% per il recettore sigma-2 e i recettori 5-HT2A, rispettivamente. Un risultato superiore al 5% è eccezionale.

Considerando che la scoperta di farmaci è molto simile a cercare manualmente un ago in un pagliaio, un tasso di successo del 50% nel “indovinare” dove si trovi l’ago al primo tentativo è davvero eccezionale.

Quindi anche qui, il Premio Nobel per la Chimica di quest’anno potrebbe non corrispondere ai criteri della scienza “pura” e del progresso nella comprensione fondamentale. Ma sembra corrispondere bene all’obiettivo del Nobel: “assegnare un premio a coloro che, nell’anno precedente, hanno conferito il più grande beneficio all’umanità”.

Chiudere la controversia

Possiamo concordare che, man mano che l’IA diventa uno strumento chiave nella maggior parte delle discipline scientifiche, non dovremmo vedere ogni Premio Nobel premiare principalmente l’IA in futuro. Allo stesso modo, non premiamo regolarmente il “calcolo di base” (o, per lo stesso motivo, la chimica o la metallurgia) perché i ricercatori usano computer (e sostanze chimiche e metalli) quotidianamente.

Tuttavia, sembra che la reazione contro l’attribuzione del Premio Nobel di quest’anno sia stata un po’ esagerata, forse illustrando la frustrazione degli scienziati nel vedere così tanta attenzione mediatica assorbita dall’IA nonostante i notevoli progressi scientifici nella maggior parte dei campi.

Cosa può davvero fare l’IA?

In ogni caso, l’IA è destinata a essere una tecnologia davvero trasformativa, e un vero punto di riferimento nella storia dell’umanità in modo simile a tecnologie precedenti come la macchina a vapore, il telegrafo, il motore a combustione interna o i primi computer.

Ecco una breve lista delle potenziali applicazioni dell’IA:

• Scoperta di farmaci & Analisi dei dati biologici.
• Diagnosi & Trattamento medico automatizzato, inclusa la chirurgia.
• Robotica, dai domestici ai processi di produzione automatizzati.
• Auto a guida autonoma & Logistica.
• Apprendimento personalizzato & Diffusione della conoscenza.
• Nuovi materiali stanno venendo scoperti nell’energia, nelle scienze dei materiali, nella nanotecnologia, ecc.
• Nuovi metodi di calcolo, inclusi fotonica, calcolo quantistico, ecc.
• Esplorazione spaziale, dalle colonie automatizzate fuori dal mondo all’estrazione di asteroidi.

In questo contesto, il “clamore” attorno all’IA è totalmente giustificato.

Ma, come per la maggior parte delle nuove tecnologie importanti, il processo di trasformare l’innovazione iniziale in casi d’uso pratici può richiedere più tempo del previsto, ad esempio i computer negli anni ’70, decenni prima della rivoluzione di Internet e ancora più prima dell’IA, pur avendo probabilmente un impatto molto più grande di quanto chiunque potesse aspettarsi.