Почему выбор комитета — не дань «хайпу» вокруг ИИ, а справедливое и обоснованное решение, объясняет директор Института физики и квантовой инженерии НИТУ МИСИС Алексей Федоров.
Нобелевская премия, несмотря на постоянную критику в ее адрес, заслуженно считается одной из наиболее авторитетных научных наград. Поэтому неудивительно, что Нобелевская неделя приковывает большое внимание многих людей в мире, причем далеко за пределами научной общественности. Традиционно вокруг естественно-научных премий много предсказаний. Предсказания по большей части основываются на двух аспектах. Во-первых, это тренды цитируемости научных публикаций — при очевидном росте цитируемости в той или иной научной сфере лидирующие ученые в этой области становятся кандидатами на премию. Если опираться на индекс цитируемости, в этом году премию пророчили исследователям многослойных материалов с «магическими» углами поворота слоев друг относительно друга, при которых возникает сверхпроводимость — передача электрического тока без потерь. Во-вторых, в ход идет оценка периодичности, с которой поощряются те или иные области: например, физика. Уже несколько лет не было премий в области астрофизики и физики элементарных частиц, поэтому активно обсуждались эти направления.
Нобелевский комитет всех удивил. Шведская королевская академия наук присудила Нобелевскую премию по физике 2024 года Джону Хопфилду и Джеффри Хинтону. Ученых наградили «за основополагающие открытия и изобретения» в области машинного обучения и нейросетей. Нейронные сети и машинное обучение сейчас на пике хайпа — в этом смысле вопросов нет. Но почему премия вручена по физике?
На следующий день была вручена премия по химии — и она тоже не обошла вниманием направление машинного обучения. Половину премии разделят разработчики алгоритма AlphaFold для предсказания структуры белка по его аминокислотной последовательности с использованиями искусственного интеллекта — Демис Хассабис и Джон Джампер. Половину премии также получит Дэвид Бейкер. В 2003 году он опубликовал работу о синтезе белка, не имеющего аналогов в природе. Кстати, в этом случае предсказание компании Clarivate сбылось: лауреаты оказались в их списке наиболее цитируемых ученых. О чем говорит такой выбор Нобелевского комитета?
Первый и очевидный вопрос: как связаны достижения Хопфилда и Хинтона с физикой? Для начала разберемся, какие их достижения были отмечены премиями. Хопфилд и Хинтон предложили архитектуры нейронных сетей — базовых инструментов для машинного обучения.
Нейронная сеть — математическая структура, которая была составлена из отдельных элементов — нейронов, связанных между собой сигналами. Она строится по принципу организации биологических нейронных сетей — сетей нервных клеток в мозге живого существа — например, человека. Построить эту нейронную сеть можно по множеству разных принципов. Работы лауреатов примечательны тем, что они описывают такие сети языком физики, а если более точно, то статистической физики.
Статистическая физика описывает общие и существенные свойства систем, которые состоят из большого количества (идентичных) компонентов. В частности, она применяется для описания ферромагнетиков — магнитных веществ, «запоминающих» поле, в которое их помещали раньше. Такой эффект до определенной степени можно использовать для обучения — что и было замечено, и, соответственно, легло в основу сетей Хопфилда.
Другой лауреат этого года — Джеффри Хинтон — также использовал методы статистической физики и предложил модель, которая называется ограниченной машиной Больцмана. Отличительной чертой ее являются переходы в состояние с меньшей энергией — как это «любят» делать физические системы.
Поэтому вдохновение физикой в открытиях лауреатов присутствует. Их открытия стали математической основой для развития технологии искусственного интеллекта, которые в дальнейшем развивались усилиями как самих лауреатов, так и их коллег. Кстати, Джеффри Хинтон — научный руководитель Ильи Суцкевера, известного по своей работе в OpenAI.
Что также отмечалось Нобелевским комитетом — так это широкое использование машинного обучения в современной науке. Это решение иллюстрировалось различными аспектами, в том числе, применением для наук о материалах. В этом контексте неудивительной выглядит премия разработчикам алгоритма AlphaFold — Демису Хассабису и Джону Джамперу для предсказания структуры белка по его аминокислотной последовательности с использованием искусственного интеллекта.
Вместе с тем ряд экспертов выступает со справедливыми вопросами о связи этого открытия непосредственно с химией. Действительно, Нобелевскую премию по химии не всегда дают за химические достижения, а иногда за работы на стыке с физикой или медициной, а теперь еще и с математикой. Также очевидно, что алгоритм станет развиваться и добиваться большей точности — возможно, будут более яркие результаты, полученные с его помощью, которые нашли бы практическое отражение в медицине.
Интересно также, что лауреаты тесно связаны с крупными компаниями. DeepMind, которую представляют Демис Хассабис и Джон Джампер, приобрел Google. А Хинтон также работал в Google — в компании даже устроили вечеринку в честь получения им премии.
Сегодня крупные компании активно инвестируют в научные исследования, которые могут сыграть ключевую роль для развития технологий. Один из примеров — квантовые технологии, в которые активно инвестируют Google, IBM, Microsoft и многие другие компании. Частное финансирование позволяет быстро двигаться и составлять конкуренцию академическим научным центрам. Имеет это и свои негативные последствия — мощный отток исследователей из науки в компании уже остро ощущается. Решением тут может быть кооперация и взаимодействие частных компаний с университетами и научными центрами.
Нельзя не отметить — особенно в случае премии по химии, — что научные открытия, которые случаются при помощи машинного обучения, становятся одним из трендов. Сегодня, пожалуй, нет сферы естественной науки, которая так или иначе не использовала бы методы и алгоритмы машинного обучения. Например, в наших исследованиях машинное обучение используется при разработке квантового компьютера — для решения задач калибровки и управления квантовыми системами. Говорит ли это о том, что «сила» искусственного интеллекта будет определять вектор научных открытий? Если и рассматривать этот сценарий, то, по-видимому, не в краткосрочной перспективе. Большинство задач поставлено человеком, и если ИИ и может ускорить получение ответа, человек все еще влияет на многое — например, постановку задачи и верификацию результатов. Поэтому, безусловно, искусственный интеллект двигает науку вперед, но человек и его идеи продолжают играть центральную роль — это внушает оптимизм.
И еще немного про премии. Все же мнение о том, что премию по физике вручили не за физику, можно услышать от многих специалистов. Говорит ли это о «кризисе жанра»? Может ли в современном мире междисциплинарных научных исследований существовать четкая грань, которая определяла бы, что является достижением, скажем, в области физики или химии, а что — нет? Этот непростой вопрос, с одной стороны, сохранения традиций, а с другой — адаптация к реалиям современного научного мира остро прослеживается. Также это открывает пространство для новых научных премий, которые призваны более активно и динамично работать над задачей поощрения ученых и привлечения внимания широкой общественности к их достижениям.
Например, учрежденная в 2023 году премия «ВЫЗОВ» (учреждена Фондом «Вызов», соучредителем которого является Газпромбанк, партнерами выступают госкорпорация «Росатом», фонд «Росконгресс» и правительство Москвы) в области будущих технологий не имеет традиционного деления на дисциплины — важное отличие от других премий.
Будущее мира во многом зависит от того, насколько быстро научные знания будут переходить в плоскость технологической и экономической полезности. Привлечение внимания государства, бизнеса и широкой общественности к ключевым научным достижениям, в том числе за счет научных премий, может являться важным элементом для решения этой задачи.
Автор благодарит профессора Артема Оганова за полезные обсуждения.
Текст взят с сайта издания о передовых теориях и практиках управления «Большие идеи» (ех. Harvard Business Review)
