Noble pod ostrzałem. Tylko amunicja nieco przestarzała

Przypomnijmy: Nobel z fizyki został przyznany Johnowi Hopfieldowi i Geoffreyowi Hintonowi za „odkrycia i wynalazki umożliwiające uczenie maszynowe za pomocą sztucznych sieci neuronowych”. Z chemii przyznano zaś trzem naukowcom w dwóch częściach: Davidowi Bakerowi za obliczeniowe projektowanie białek” oraz Demisowi Hassabisowi i Johnowi M. Jumperowi „za przewidywanie struktury białek”. Hassabis i Jumper są związani z firmą DeepMind należącą do Google’a, a ich algorytm AlphaFold2 to narzędzie oparte na uczeniu maszynowym.

Jeśli chodzi o pierwszą nagrodę, zarzut brzmi: nie ma ona związku z fizyką – raczej z naukami informatycznymi, a sami badacze nie są przedstawicielami tej nauki. Nie jest to do końca prawdą. Po pierwsze, żaden z laureatów nie zajmował się sensu stricto naukami informatycznymi. Po drugie, o ile Hinton faktycznie jest przede wszystkim psychologiem, o tyle Hopfield, zanim zajął się rozwijaniem sztucznych sieci neuronowych, uzyskał doktorat z fizyki. Z tego względu jest wielu też fizyków, którzy decyzji Komitetu Noblowskiego bronią. Zwracają uwagę, że badania nad sztucznymi sieciami neuronowymi, zwłaszcza te wczesne, czerpały zarówno z fizyki i informatyki, jak i z biologii i neuronauk. Zresztą dorobek Hopfielda bardzo dobrze o tym świadczy – zrobiwszy doktorat w 1958 r., przez jakiś czas pracował jako fizyk, po czym w 1980 r. zajął się chemią i biologią na kalifornijskim Caltechu, a później został profesorem biologii molekularnej na Princeton University. Najwyraźniej tak wysoce interdyscyplinarne spojrzenie było konieczne, aby rozwinąć tak przełomowe, bądź co bądź, przedsięwzięcie, jakim jest uczenie maszynowe.

Poza tym – jak zwraca uwagę indyjski dziennikarz naukowy Anil Ananthaswamy, autor książki „Why Machines Learn” – prace te są głęboko zakorzenione właśnie w fizyce. Mówimy tu o modelach maszyny Boltzmana i sieci Hopfielda, które bazują na fizyce statystycznej i modelach fizycznych opisujących stan energii układu. I nawet dziś, w dalszych pracach nad sieciami, korzysta się z fizyki – co podkreśla Lenka Zdeborova z École polytechnique fédérale de Lausanne. Zakres tej nauki się poszerza i poprzez interdyscyplinarne badania zahacza o coraz więcej pól badawczych.

W nagrodzie z chemii kontrowersje budzi AlphaFold. Krytycy mówią, że ten wynalazek nie jest przełomowy, ponieważ różne jego elementy były znane i wykorzystywane wcześniej. A jednak przed zespołem Hassabisa nikomu nie udało się – mówiąc kolokwialnie – poskładać ich do kupy tak, by powstał działający system. Modele obliczeniowe to nie generowane obrazki i bloki tekstu – nie wystarczy jedna komenda, aby uzyskać gotowy algorytm. Stworzenie AlphaFold2 wymagało wielu prób i błędów, dużej wiedzy o biochemii i wysokiej orientacji w badaniach, aby powiązać dane o strukturach białek z baz danych na całym świecie i znaleźć takie elementy, które najlepiej nadają się na materiał do wytrenowania sieci neuronowej.

Decyzje Komitetu Noblowskiego nie pierwszy raz w swojej 123-letniej historii wywołały kontrowersje środowiska naukowego i poruszenie w mediach. Pozytywne jest to, że również nagrody z chemii i fizyki wzbudzają na tyle duże zainteresowanie, by taki szum spowodować. Warto jednak wnikliwie się w niego wsłuchać, aby dotrzeć do sedna problemu. A jest nim fakt, że współczesne badania naukowe są wyraźnie bardziej interdyscyplinarne i często trudno jest je jednoznacznie szufladkować.

Dziękujemy, że jesteś z nami. Pulsar dostarcza najciekawsze informacje naukowe i przybliża wyselekcjonowane badania naukowe. Jeśli korzystasz z publikowanych przez Pulsar materiałów, prosimy o powołanie się na nasz portal. Źródło: www.projektpulsar.pl.