诺贝尔物理学奖和化学奖颁给AI,引发了一些讨论

科学的真正突破不再是单一学科的领域,而是需要广阔的视野和不同见解的结合。

科学的真正突破不再是单一学科的领域,而是需要广阔的视野和不同见解的结合

2024年的诺贝尔物理学奖和化学奖被授予与AI相关的研究,这引发了对传统科学的讨论。

我们先来看看获奖情况:

2024年诺贝尔物理学奖颁发给了John Hopfield和Geoffrey Hinton,以表彰他们在利用物理学工具奠定现代机器学习基础方面的贡献。Hopfield发明了联想记忆模型,这种模型能够存储和重建信息。

被称为“人工智能教父”的Hinton则发明了玻尔兹曼机,这是一种能够独立发现数据特征的方法。这些研究对于目前广泛使用的大型人工神经网络至关重要。

人工神经网络的灵感最初来源于对大脑工作原理的研究。Hopfield网络可以存储模式,并具备重建它们的方法,类似于人脑通过相似单词寻找正确单词的过程。

Hinton的玻尔兹曼机则利用统计物理学的思想,通过可见节点和隐藏节点,识别信息中的熟悉特征。

这些研究不仅推动了机器学习领域的发展,还促进了物理学领域内对大量数据的处理和分析,例如在发现希格斯玻色子的过程中的应用。

此外,机器学习还被应用于计算和预测分子和材料的特性,如研究新型太阳能电池材料。这些成果展示了物理学与机器学习相互促进的深远影响。

诺贝尔物理学奖和化学奖颁给AI,引发了一些讨论

2024年的诺贝尔化学奖获得者有三位。其中美国科学家David Baker因其在蛋白质结构设计领域的开创性贡献获得一半奖金。另一半奖金由Alphabet Inc.的人工智能工作负责人Demis Hassabis和美国科学家John Jumper获得,他们的贡献是解决了长达50年的难题,成功地利用人工智能技术预测了几乎所有已知的蛋白质的结构。

诺贝尔物理学奖和化学奖颁给AI,引发了一些讨论

2016年, Demis Hassabis在谷歌组建跨学科团队,挑战预测蛋白质结构这一生物学难题,2018年,该团队推出AlphaFold,在蛋白质结构预测比赛中成绩不错,之后又推出AlphaFold2,其预测精度堪比实验室模型,甚至更好,发展到如今,AlphaFold几乎成功预测了整个人类蛋白质结构,被来自190个国家的200万研究者用于加速生物学和药物开发等领域的研究。

对于这两个奖项,科学界有赞誉也有质疑,获奖者本人亦有客观冷静的思考。

Demis Hassabis本人认为:“现在谈论AI参与所有奖项还为时过早。人类的聪明才智是第一位的,人类提出问题、提出假设,而 AI 系统无法做任何事情。它现在只是在某种程度上分析数据。“

伦敦帝国理工学院的天体物理学家Jonathan Pritchard发推特表示不理解甚至愤怒:“我说不出话来。我和其他人一样喜欢机器学习和人工神经网络,但很难看出这是一个物理学发现。”还说:“猜猜诺贝尔奖受到了多少人工智能炒作的打击”。

深度学习和人工智能组织 MindBigData.com 的首席执行官David Vivancos同样认为“人工智能不属于物理学领域”。他表示:“我是 [Hinton 和 Hopfield] 的忠实崇拜者,他们创造了一个了不起的发现。但问题是,除非我们认为物理学就是一切,否则它不属于物理学领域。”

物理学的定义是“与非生命物质和能量的性质和特性有关的科学分支”,意思是物理学与物质世界紧密相连,是真实存在的,而人工智能被认为是“在计算机思维中的现象而非物理实体。”

也有人认为这两个奖项,尤其是化学奖,是AI的“跨学科的胜利”。

利物浦大学化学教授Andy Cooper在一项声明中说:“使用人工智能预测蛋白质结构是一项巨大的进步,在生物学、医学等领域有无数用途。人工智能也将影响化学的其他领域,但蛋白质领域有一些特殊之处。首先,有大量精心策划的训练数据。其次,蛋白质结构复杂,但组成相当简单——它们是由一组相当有限的基本构建块组成的。”

瑞典于默奥大学计算机系教授Vivancos Dignum 表示物理学“与物理事物息息相关,它是真实的东西”,而就人工智能的行为方式而言,“它更多地与计算机脑海中发生的事情有关,而不是与物理存在有关”。

但人工智能与化学有关吗?就诺贝尔奖而言,Vivancos认为有关。因为它是计算化学,它使用计算机模拟来协助解决复杂的化学问题。

“但如果人工智能应该适合传统科学,那么它可能更接近数学,也可能是生物学或神经科学,因为这些算法可以帮助研究人员梳理庞大的基因数据库。科学的真正突破不再是单一学科的领域,而是需要广阔的视野和不同见解的结合。人工智能在这里是探索伟大研究空间的加速器和支持,一种可以分析大量数据集、预测结果甚至提出新假设的工具,从而提高生物学、物理学、化学和医学等领域研究人员的能力。”她补充道。

Dignum同时谈到:“但这些奖项不是关于 AI 在诺贝尔奖中的地位,而是关于开放的思想和‘科学家的尊重态度’以及可以学到多少东西。也许是时候让诺贝尔奖现代化了,我们要认识到真正重要的发现,而不是只考虑传统的学科划分。

原创文章,作者:斯老师,如若转载,请注明出处:https://www.shuziqianzhan.com/article/1511.html

(1)
上一篇 2024-10-19 10:06
下一篇 2024-10-21 21:23

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注