Is de hype gerechtvaardigd? Waarom alle ogen op AI gericht zijn

Nobelprijs voor AI

De lijst van Nobelprijswinnaars van 2024 heeft veel aandacht op AI gevestigd. Eerst was het met de Nobelprijs voor Natuurkunde, die de fundamentele, door de natuurkunde geïnspireerde theorie en vroege prototype voor het bouwen van neurale netwerken beloondde, de basis van de meeste hedendaagse AI-technologie. We bespraken in detail hoe deze vroege neurale netwerken werkten in “Investeren in Nobelprijsprestaties—Kunstmatige neurale netwerken, de basis van AI”.

Een andere Nobelprijs, dit keer in de Scheikunde, zou worden toegekend aan computationeel gerichte research. Meer precies, hij ging voor de helft naar David Baker “voor computationeel eiwitontwerp”, en de andere helft gezamenlijk naar de belangrijkste onderzoekers van Google’s AlphaFold, Demis Hassabis en John M. Jumper, “voor eiwitstructuurvoorspelling”.

Dus het is geen overdrijving om te zeggen dat 2024 het AI-Nobelprijsjaar was, met twee van de drie Nobelprijzen in de “harde wetenschappen” (Natuurkunde, Scheikunde, Geneeskunde/Biologie) die naar AI-gerelateerde projecten gingen.

Dit werd uiteraard geprezen door onderzoekers in het veld en mensen die enthousiast zijn over de toekomst van AI-gedreven onderzoek. Maar het vroeide ook enkele wenkbrauwen bij wetenschappers, vooral natuurkundigen, die rekenen en AI niet als “echte natuurkunde” zien.

Wat zouden Nobelprijzen moeten belonen?

Dit maakt deel uit van een groter en ouder debat over wat “zuivere” wetenschap waardig is voor een Nobelprijs. Sommigen zullen zeggen dat alleen theoretische vooruitgang en ware intellectuele doorbraken waardig zijn voor de meest prestigieuze internationale prijs in de wetenschap.

Ik ben sprakeloos. Ik vind ML en ANN net zo leuk als de volgende persoon, maar het is moeilijk te zien dat dit een natuurkundige ontdekking is. Ik denk dat de Nobel is getroffen door AI-hype.

Jonathan Pritchard – Astrofysicus aan Imperial College London

Anderen zullen zeggen dat wetenschappen ook beloond moeten worden voor hun impact op de echte wereld, vooral als het gaat om de Nobelprijs, wiens oprichter, de heer Alfred Nobel heeft opgesteld om een prijs te geven “aan degenen die, gedurende het voorgaande jaar, het grootste voordeel voor de mensheid hebben behaald” in natuurkunde, scheikunde, fysiologie of geneeskunde, literatuur en vrede.

In die context kan betoogd worden dat neurale netwerken inderdaad aanzienlijk hebben bijgedragen aan het welzijn van de mensheid, waarschijnlijk in de toekomst nog meer zullen doen, en daarom waardig zijn voor de Nobelprijs van dit jaar.

Is Computatie Natuurkunde?

Met betrekking tot de Nobelprijs voor Natuurkunde van 2024 specifiek, was de methode die ontwikkeld werd om neurale netwerken te creëren diep geworteld in de natuurkunde. Meer specifiek leende het sterk van de statistische natuurkunde, een vakgebied dat dingen met veel elementen beschrijft, zoals gassen of vloeistoffen.

Het haalde ook inspiratie uit de observatie dat collectieve eigenschappen in veel fysieke systemen robuust zijn voor veranderingen in modeldetails. Met name magnetische materialen ontlenen hun speciale kenmerken aan hun atomaire spin – een eigenschap die elk atoom tot een klein magneet maakt.

Over het geheel genomen, de modellen die met de Nobelprijs werden beloond, de Boltzmann-machine uitgevonden door Hinton en het Hopfield-netwerk, “zijn beide energie-gebaseerde modellen” die niet veel verschillen van de wiskundige beschrijving die wordt gebruikt om de fysica van echt materiaal te begrijpen.

Toch voelden sommige “echte” natuurkundigen enige teleurstelling over het idee dat rekenen de schijnwerpers van de natuurkunde afneemt, misschien meer over hoe weinig de maatschappij respect en aandacht aan dit vakgebied geeft dan over de Nobelprijs van dit jaar zelf.

“Het valt onder het vakgebied informatica. De jaarlijkse Nobelprijs is een zeldzame kans voor natuurkunde — en natuurkundigen ermee — om in de schijnwerpers te staan.

Het is de dag waarop vrienden en familie zich herinneren dat ze een natuurkundige kennen en misschien gaan vragen wat deze recente Nobel inhoudt. Maar niet dit jaar.

Sabine Hossenfelder – natuurkundige aan het Munich Center for Mathematical Philosophy in Duitsland

Natuurkunde keert terug in AI

De Nobelprijsbeloning houdt ook rekening met een groeiende ontwikkeling in de informatica om terug te gaan naar natuurkundige methoden om machine learning, neurale netwerken en AI te verbeteren.

“We hebben de denkwijze die we in de natuurkunde hebben nodig om machine learning te bestuderen.”

Lenka Zdeborová – statistisch natuurkundige aan de Swiss Federal Institute of Technology in Lausanne.

Het vroege werk aan neurale netwerken was echt interdisciplinair, en haalde ook inspiratie uit de nieuwste vooruitgang in ons begrip van hoe biologische neuronen werken, en bracht wiskunde, natuurkunde, informatica en neurobiologie samen.

“Ik denk dat de Nobelprijs voor Natuurkunde zich moet blijven verspreiden naar meer gebieden van natuurkundige kennis. Natuurkunde wordt steeds breder, en bevat veel kennisgebieden die in het verleden niet bestonden, of geen deel uitmaakten van de natuurkunde.”

Giorgio Parisi – natuurkundige aan de Sapienza Universiteit van Rome, die de Nobelprijs voor Natuurkunde 2021 deelde.

Dus hoewel het misschien een beetje verrassend is, en tot teleurstelling van de meest puristische natuurkundigen, is de toekenning van de Nobelprijs aan John Hopfield en Geoffrey Hinton niet zo ver van de natuurkunde en de “harde wetenschappen” als het op het eerste gezicht lijkt.

Een extra steek onder de wond?

Misschien zou de reactie van sommige leden van de wetenschappelijke gemeenschap gematigder zijn geweest als de Nobelprijs voor Scheikunde niet ook computationeel gericht was geweest.

Hier richt het debat zich meer op de echte bijdrage van AI aan het vakgebied, waarbij enige erkenning wordt gegeven aan de kritiek “De Nobel is getroffen door AI-hype”.

Dit komt doordat neurale netwerken zoals AlphaFold, die de 3D-configuratie van eiwitten voorspellen, zijn gebouwd op een enorme schat aan gegevens die over decennia van praktische experimenten is opgebouwd. Dit omvat vooral de Protein Data Bank, een vrij toegankelijke repository met meer dan 200.000 eiwitstructuren.

Deze structuren werden experimenteel bepaald door duizenden menselijke onderzoekers gedurende decennia, met behulp van geavanceerde methoden (vaak zelf Nobelprijswinnende ontdekkingen) zoals röntgendiffractie, cryo-elektronenmicroscopie, enz.

“Ik denk niet dat AlphaFold een radicale verandering in de onderliggende wetenschap met zich meebrengt die nog niet aanwezig was.

Het is gewoon hoe het in elkaar is gezet en bedacht op zo’n naadloze manier die AlphaFold in staat stelde die hoogten te bereiken.

David Jones – bioinformaticus aan University College London, die samenwerkte met DeepMind aan de eerste versie van AlphaFold

Hoe impactvol is AlphaFold?

Het bekritiseren van AlphaFold als “alleen voortbouwend op eerder onderzoek” kan misschien een beetje misplaatst zijn. Immers is het een veelvoorkomend patroon dat een Nobelprijswinnende ontdekking vaak is gebouwd op 3‑4 andere eerdere Nobelprijswinnende ontdekkingen.

Bovendien is het cruciaal om te bepalen of AlphaFold een echte doorbraak is, waardoor het voorheen onmogelijke plotseling haalbaar wordt.

We bespraken eerder een wetenschappelijk artikel dat onderzoekt of AlphaFold nieuwe moleculen en medicijnen kan ontdekken, in plaats van alleen de reeds bekende gegevens te verfijnen.

En het lijkt het geval te zijn:

Onderzoekers bepaalden dat het aandeel verbindingen dat de eiwitactiviteit veranderde voor elk van de modellen ongeveer 50% en 20% was voor respectievelijk de sigma-2 receptor en de 5-HT2A receptor. Een resultaat groter dan 5% is uitzonderlijk.

Aangezien geneesmiddelenontdekking sterk lijkt op het handmatig zoeken naar een naald in een hooiberg, is een succesratio van 50% bij het “raden” waar de naald zich bevindt vanaf de eerste poging inderdaad uitzonderlijk.

Dus ook hier lijkt de Nobelprijs voor Scheikunde van dit jaar niet te passen bij “zuivere” wetenschap en vooruitgang in fundamenteel begrip. Maar het lijkt goed overeen te komen met het doel van de Nobelprijs: “om een prijs te geven aan diegenen die, gedurende het voorgaande jaar, het grootste voordeel voor de mensheid hebben behaald”.

De controverse afsluiten

We kunnen het erover eens zijn dat nu AI een sleuteltool wordt in de meeste wetenschappelijke disciplines, we niet elke Nobelprijs die voornamelijk AI beloont, in de toekomst moeten zien. Op dezelfde manier belonen we niet regelmatig “basis” informatica (of, om nog maar te zwijgen, scheikunde of metallurgie) omdat onderzoekers dagelijks computers (en chemicaliën en metalen) gebruiken.

Het lijkt er echter op dat de reactie tegen de toekenning van de Nobelprijs van dit jaar een beetje overdreven was, misschien een illustratie van de frustratie van wetenschappers om zoveel media-aandacht door AI te zien opslokken, ondanks indrukwekkende wetenschappelijke vooruitgang in de meeste vakgebieden.

Wat kan AI echt doen?

In elk geval zal AI waarschijnlijk een echt transformerende technologie zijn, en een waarlijk mijlpaal in de geschiedenis van de mensheid, vergelijkbaar met eerdere technologieën zoals de stoommachine, de telegraaf, de verbrandingsmotor of de eerste computers.

Hier is een korte lijst van de potentiële toepassingen van AI:

• Geneesmiddelenontdekking & biologische data-analyse.
• Diagnose & geautomatiseerde medische behandeling, inclusief chirurgie.
• Robotica, van huishoudelijke hulp tot geautomatiseerde productie.
• Zelfrijdende auto’s & logistiek.
• Gepersonaliseerd leren & kennisverspreiding.
• Nieuwe materialen worden ontdekt in energie, materiaalkunde, nanotechnologie, enz.
• Nieuwe rekenmethoden, inclusief fotonica, quantumcomputing, enz.
• Ruimteverkenning, van geautomatiseerde buitenaardse kolonies tot asteroïd mijnbouw.

In die context is de “hype” rond AI volledig gerechtvaardigd.

Maar zoals bij de meeste nieuwe belangrijke technologieën, kan het proces van het omzetten van de initiële innovatie naar praktische toepassingen iets langer duren dan gehoopt, bijvoorbeeld computers in de jaren 70, decennia vóór de internetrevolutie en nog meer vóór AI, terwijl ze waarschijnlijk een veel grotere impact zullen hebben dan iemand had kunnen verwachten.