Makatwiran ba ang Hype? Bakit Nakatuon ang Lahat ng Pansin sa AI

Premyo Nobel sa AI

Ang listahan ng mga nanalo ng Nobel Prize noong 2024 ay nagdala ng maraming atensyon sa AI. Una, ito ay sa pamamagitan ng Nobel Prize sa Physics, na nagparangal sa pundamental na teoryang hango sa pisika at maagang prototype para sa pagbuo ng neural networks, na siyang batayan ng karamihan sa teknolohiyang AI ngayon. Tinalakay namin nang detalyado kung paano gumagana ang mga maagang neural network na ito sa “Investing in Nobel Prize Achievements—Artificial Neural Networks, The Basis Of AI.”

Ang isa pang Nobel Prize, sa pagkakataong ito sa Chemistry, ay iginawad sa pananaliksik na nakatuon sa komputasyon. Mas tiyak, kalahati nito ay napunta kay David Baker “para sa computational protein design”, at ang natitirang kalahati ay magkakasamang iginawad sa mga pangunahing mananaliksik ng Google’s AlphaFold, sina Demis Hassabis at John M. Jumper, “para sa prediksyon ng estruktura ng protina.”

Kaya, hindi labis na pagsasabi na ang 2024 ay taon ng Nobel Prize para sa AI, dahil dalawa sa tatlong Nobel Prize sa “matitibay na agham” (Physics, Chemistry, Medicine/Biology) ay napunta sa mga proyektong may kinalaman sa AI.

Ito ay malinaw na pinuri ng mga mananaliksik sa larangan at ng mga taong masigasig sa kinabukasan ng pananaliksik na pinapagana ng AI. Ngunit ito rin ay nagpasimuno ng ilang pag-aalinlangan sa mga siyentipiko, lalo na sa mga physicist, na nakikita ang computing at AI bilang hindi “tunay na pisika”.

Ano ang Dapat Gantimpalaan ng Nobel Prize?

Ito ay bahagi ng mas malawak at mas matandang debate kung ano ang bumubuo ng “purong” agham na karapat-dapat sa isang Nobel Prize. Sinasabi ng ilan na tanging teoretikal na pag-unlad at tunay na intelektwal na mga breakthrough lamang ang karapat-dapat sa pinakaprestihiyosong internasyonal na gantimpala sa agham.

“Wala akong masabi. Gusto ko rin ang ML at ANN tulad ng iba, ngunit mahirap makita na ito ay isang tuklas sa Physics. Siguro ang Nobel ay naapektuhan ng hype ng AI.

Jonathan Pritchard – Astrophysicist sa Imperial College London

Sinasabi naman ng iba na dapat ding gantimpalaan ang agham para sa kanilang epekto sa totoong mundo, lalo na pagdating sa Nobel Prize, na ang tagapagtatag, G. Alfred Nobel ay naglaan ng gantimpala “para sa mga nagbigay ng pinakamalaking benepisyo sa sangkatauhan sa nakaraang taon” sa physics, chemistry, physiology o medicine, panitikan, at kapayapaan.
Sa kontekstong ito, maaaring ipagtanggol na ang mga neural network ay tunay na malaki ang naitulong sa sangkatauhan, at malamang na lalo pang lalago ang kanilang kontribusyon sa hinaharap, kaya karapat-dapat silang tumanggap ng Nobel Prize ngayong taon.

Ang Computing ba ay Physics?

Tungkol sa 2024 Nobel Prize sa Physics, partikular, ang metodong binuo upang lumikha ng neural networks ay malalim na nakaugat sa physics. Mas tiyak, ito ay hango nang malaki mula sa statistical physics, isang larangan na naglalarawan ng mga bagay na may maraming elemento tulad ng mga gas o likido.

Kinuha rin nito ang inspirasyon mula sa obserbasyon na ang mga kolektibong katangian sa maraming pisikal na sistema ay matatag sa mga pagbabago sa detalye ng modelo. Kapansin-pansin, ang mga magnetic material ay nagkakaroon ng kanilang natatanging katangian dahil sa atomic spin – isang katangian na nagiging maliit na magnet ang bawat atom.

Sa pangkalahatan, ang mga modelong pinarangal ng Nobel Prize, ang Boltzmann machine na imbento ni Hinton at ang Hopfield network, ay “parehong energy‑based models” na hindi gaanong naiiba sa matematikal na paglalarawan na ginagamit upang maunawaan ang physics ng totoong materyal.

Gayunpaman, ilang “tunay” na physicist ang nakaramdam ng panghihinayang sa ideyang ang computing ay kumukuha ng atensyon mula sa physics, marahil ay mas binibigyang-diin kung gaano kaunti ang paggalang at pansin ng lipunan sa larangang ito kaysa sa mismong Nobel Prize ngayong taon.

“Nasa larangan ng computer science ito. Ang taunang Nobel prize ay isang bihirang pagkakataon para sa physics — at mga physicist na kasama nito — na sumikat.

Araw ito kung kailan naaalala ng mga kaibigan at pamilya na may kilala silang physicist at maaaring magtanong kung ano ang tungkol sa pinakabagong Nobel na ito. Ngunit hindi ngayong taon.

Sabine Hossenfelder- Physicist sa Munich Center for Mathematical Philosophy sa Germany

Ang Physics ay Bumabalik sa AI

Isinasaalang-alang din ng gantimpala ng Nobel Prize ang patuloy na pag-unlad sa computing na bumabalik sa mga metodong batay sa physics upang mapabuti ang machine learning, neural networks, at AI.

“Kailangan natin ang paraan ng pag-iisip na meron tayo sa physics upang pag-aralan ang machine learning.”

Lenka Zdeborová – Statistical physicist sa Swiss Federal Institute of Technology sa Lausanne.

Ang maagang gawain sa neural networks ay tunay na interdisiplinaryo, kumukuha rin ng inspirasyon mula sa pinakabagong pag-unlad sa ating pag-unawa kung paano gumagana ang mga biological neuron, at pinagsasama ang matematika, physics, computer sciences, at neurobiology.

“Sa palagay ko ang Nobel Prize sa Physics ay dapat magpatuloy na kumalat sa mas maraming rehiyon ng kaalaman sa physics. Ang physics ay nagiging mas malawak at mas malawak, at naglalaman ito ng maraming larangan ng kaalaman na hindi umiiral noon, o hindi bahagi ng physics.”

Giorgio Parisi- Physicist sa Sapienza University of Rome, na kasama sa 2021 physics Nobel.

Kaya kahit medyo nakakagulat, at sa panghihinayang ng mga pinaka-puristang physicist, ang pagkakaloob ng Nobel Prize kay John Hopfield at Geoffrey Hinton ay hindi kasing layo sa physics at “matitibay na agham” gaya ng unang tingin.

Pagdaragdag ng Pagsakit?

Marahil ang reaksyon ng ilang miyembro ng komunidad ng siyensiya ay magiging mas banayad kung ang Nobel Prize sa Chemistry ay hindi rin nakatuon sa komputasyon.

Dito, ang debate ay mas nakatuon sa tunay na kontribusyon ng AI sa larangan, na nagbibigay ng ilang kredito sa kritisismong “Sa tingin ko, ang Nobel ay naapektuhan ng hype ng AI.”

Ito ay dahil ang mga neural network tulad ng AlphaFold, na nagtatantiya ng 3D na konfigurasyon ng protina, ay binuo sa ibabaw ng napakalaking koleksyon ng datos na naipon sa loob ng mga dekada ng praktikal na eksperimento. Kabilang dito lalo na ang Protein Data Bank, isang libreng repositoryo ng mahigit 200,000 na estruktura ng protina.

Ang mga estrukturang ito ay natukoy nang eksperimental ng libu-libong mananaliksik sa loob ng mga dekada, gamit ang mga advanced na pamamaraan (madalas ay mga Nobel Prize-winning na tuklas) tulad ng X-ray crystallography, cryo-electron microscopy, atbp.

“Hindi ko iniisip na ang AlphaFold ay nagdadala ng anumang radikal na pagbabago sa pundamental na agham na wala pa noon.

Ito ay dahil lamang sa kung paano ito pinagsama at binuo sa napaka-smooth na paraan na nagbigay-daan sa AlphaFold na maabot ang mga tagumpay na iyon.

David Jones – Bioinformatician sa University College London, na nakipagtulungan sa DeepMind sa unang bersyon ng AlphaFold

Gaano Ka-Impactful ang AlphaFold?

Ang pagbatikos sa AlphaFold bilang “tanging pagbuo lamang sa nakaraang pananaliksik” ay maaaring tingnan na bahagyang mali. Sa katunayan, karaniwan ang pattern na ang isang Nobel Prize-winning na tuklas ay madalas na binuo sa 3-4 na nakaraang Nobel Prize-winning na tuklas.

Higit sa lahat, mahalaga na matukoy kung ang AlphaFold ay isang tunay na breakthrough, na ginagawang posible ang dating imposibleng bagay.

Naunang naming tinalakay ang isang siyentipikong papel na nagsusuri kung ang AlphaFold ay maaaring makadiskubre ng mga bagong molekula at gamot, sa halip na basta pinapahusay lamang ang mga kilalang datos.

At tila ito ang kaso:

Natuklasan ng mga mananaliksik na ang proporsyon ng mga compound na nagbago ng aktibidad ng protina para sa bawat modelo ay humigit-kumulang 50% at 20% para sa sigma-2 receptor at 5-HT2A receptors, ayon sa pagkakasunod. Ang resulta na higit sa 5% ay pambihira.

Isinasaalang-alang na ang drug discovery ay halos katulad ng manu-manong paghahanap ng karayom sa dayami, ang 50% na tagumpay sa “paghula” kung nasaan ang karayom sa unang subok ay talagang pambihira.
Kaya dito rin, maaaring hindi tugma ang Nobel Prize sa Chemistry ngayong taon sa “purong” agham at pag-unlad sa pundamental na pag-unawa. Ngunit tila ito ay naaayon sa layunin ng Nobel Prize: “upang magbigay ng gantimpala sa mga taong, sa nakaraang taon, nagbigay ng pinakamalaking benepisyo sa sangkatauhan”.

Pagtatapos ng Kontrobersiya

Maaaring tayo ay sumang-ayon na habang ang AI ay nagiging pangunahing kasangkapan sa karamihan ng mga disiplinang siyentipiko, hindi dapat nating asahan na bawat Nobel Prize ay magbibigay gantimpala sa AI. Sa parehong paraan, hindi rin natin regular na ginagantimpalaan ang “basic” computing (o, kung tutuusin, chemistry o metallurgy) dahil araw-araw na ginagamit ng mga mananaliksik ang mga computer (at mga kemikal at metal).
Gayunpaman, tila ang reaksyon laban sa pagkakaloob ng Nobel Prize ngayong taon ay medyo labis, marahil nagpapakita ng pagkadismaya ng mga siyentipiko na makita ang napakaraming atensyon ng media na nakatuon lamang sa AI kahit na may kahanga-hangang pag-unlad sa agham sa karamihan ng mga larangan.

Ano nga ba ang Kayang Gawin ng AI?

Sa anumang kaso, malamang na ang AI ay magiging isang tunay na makabagong teknolohiya, at isang tunay na landmark sa kasaysayan ng sangkatauhan na katulad ng mga naunang teknolohiya tulad ng steam engine, telegraph, internal combustion engine, o ang mga unang computer.
Narito ang isang maikling listahan ng mga posibleng aplikasyon ng AI:

• Pagtuklas ng gamot & Pagsusuri ng datos na biyolohikal.
• Diagnostiko & awtomatikong medikal na paggamot, kabilang ang operasyon.
• Robotics, mula sa mga katulong sa bahay hanggang sa awtomatikong produksyon.
• Mga self-driving na sasakyan & logistics.
• Personalized learning & pagpapalaganap ng kaalaman.
• Mga bagong materyales ang natutuklasan sa enerhiya, agham ng materyales, nanotechnology, atbp.
• Mga bagong pamamaraan sa computing, kabilang ang photonics, quantum computing, atbp.
• Paggalugad ng kalawakan, mula sa awtomatikong mga kolonya sa labas ng mundo hanggang sa pagmimina ng asteroid.

Sa kontekstong iyon, ang “hype” tungkol sa AI ay ganap na makatwiran.

Ngunit tulad ng karamihan sa mga bagong mahalagang teknolohiya, ang proseso ng pag-convert ng paunang inobasyon sa praktikal na paggamit ay maaaring tumagal nang mas matagal kaysa inaasahan, halimbawa, ang mga computer noong 1970s, dekada bago ang rebolusyon ng Internet at mas matagal pa bago ang AI, habang malamang na magkakaroon ito ng mas malaking epekto kaysa inaasahan ng sinuman.