Sujet : [I] 人工智能之年:2024诺贝尔物理化学奖如何均与AI有关?|Whatsnew
De : mobot (at) *nospam* fakemail.com (Mobot)
Groupes : soc.culture.china cn.socDate : 17. Oct 2024, 20:32:15
Autres entêtes
Organisation : BWH Usenet Archive (https://usenet.blueworldhosting.com)
Message-ID : <veronv$dkv$1@nnrp.usenet.blueworldhosting.com>
User-Agent : Mobot :-)
人工智能之年:2024诺贝尔物理化学奖如何均与AI有关?|Whatsnew
Oct 16, 2024 • 端传媒记者 洛松齐
有预测认为,未来的诺贝尔奖获奖者可能和传统学科的联系更为松散。
2024年1月9日,美国拉斯维加斯,在消费电子展上,参加者与智能机器人互动。摄:Zhang Shuo/China News Service/VCG via Getty Images
离开真相,谈何看见彼此和追求正义?我们的日报、速递Whatsnew、端闻Podcast能够保持免费,离不开每一位会员的支持。畅读会员首月5折,尊享会员全年85折,帮助我们做出更好的即时报道和深度内容。
瑞典皇家科学院在10月8日与9日接连公布2024年度诺贝尔物理学奖与化学奖得主。
2024年的诺贝尔物理学奖由来自美国普林斯顿大学的霍普菲尔(John Joseph Hopfield)与加拿大多伦多大学的辛顿(Geoffrey Everest Hinton)共同获得。
霍普菲尔是一名固体物理学家。 1982年,霍普菲尔提出的以赫布定律(Hebb’s rule)为基础的霍普菲尔网络(Hopfield Network),通过模拟原子自旋的集体互动,使其可以在仅有部分数据被输入的情况下识别和重建完整的图像,这种近似于简化的生物“联想式记忆”(associative memory)神经网络可被用于内容可寻址记忆系统、 寻求最优解、图像识别等多个领域。
辛顿一直以“人工智能教父”的称号闻名。 1985年,辛顿在霍普菲尔网络的基础上与美国计算机科学家特里·谢泽诺斯基(Terry Sejnowski)共同发明了玻兹曼机(Boltzmann machine)。 这种得名于波兹曼分布(Boltzmann distribution)的模型能够生成新的模型,从而开启了现代生成式人工智能,被广泛运用于医学图像识别、语音识别、数据降维等多个领域。 2006年,辛顿又与同事将一系列受限玻兹曼机堆叠进行训练,创造出深度信念网络(Deep Belief Networks,DBNs),开启了深度学习的新世代。 此外,辛顿也是人工智能重要基础“反向传播”算法(Backpropagation)的普及者之一。
2024年6月28日,加拿大多伦多,人工智能教父Geoffrey Hinton在Enercare中心举行的 Collision 2023。摄:Ramsey Cardy/Sportsfile for Collision via Getty Images
瑞典皇家科学院指,霍普菲尔与辛顿从1980年代起,就在人工神经网络方面进行了重要的工作,因利用人工神经网络实现机器学习的基础发现和发明获得诺贝尔物理学奖。 霍普菲尔与辛顿的研究成果都建基于统计力学这一特殊的物理学分支。 这一学科利用统计方法解释由大量粒子组成的系统的行为。 统计力学的关键概念之一即为波兹曼分布,统计力学家利用这一概念计算某个特定系统处于特定状态(固态、液态或气态)的概率。 霍普菲尔与辛顿以统计力学为基础推动了人工智能领域的发展。
2024年的诺贝尔化学奖则由来自华盛顿大学的贝克(David Baker)则与来自科技公司 Alphabet 旗下的人工智能公司 Google DeepMind 的哈萨比斯(Demis Hassabis)和江珀(John Jumper)分享。 化学奖的三位得主的研究成果,都与蛋白质研究有关。
蛋白质是地球生命的重要组成部分,参与了细胞生命活动的每一个进程,而其形状则决定了它的功能。 1972年,安芬森(Christian Boehmer Anfinsen)证明氨基酸决定了蛋白质的形状与其功能,并因此荣获当年的诺贝尔生理学奖。 如果蛋白质的形状折叠不正确,蛋白质就无法正常工作并将因此导致各种疾病。
多年以来,科学家一直持续研究蛋白质的形状,与研究如何利用氨基酸序列来预测蛋白质的形状。 但由于确定蛋白质三维结构的过程耗时、成本极高,而发现新序列的速度远超确定结构的速度,这一研究进展十分缓慢。
2003年,贝克正式发布了由他于1998年开始开发的用于蛋白质结构的计算建模和分析的 Rosetta 程式。该程式最初设计是用于在显著降低时间与成本的前提下,利用算法预测蛋白质结构,但随后在其基础上发展出的
Rosetta@home 发展出多种工具,可用于蛋白质设计等多个用途,被广泛运用于预测被认为是阿尔兹海默症成因的β淀粉样蛋白(amyloidogenic protein)沉淀区域、设计疫苗等多个用途。贝克亦利用 Rosetta 设计出多种蛋白质,运用于制药、制作纳米材料等多种用途。
哈萨比斯是 DeepMind 公司的联合创始人,该公司旨在创造一种通用人工智能,其早期研发的电脑围棋程式 AlphaGo 多次击败专业围棋选手,被认为是人工智能的一大突破。2014年 DeepMind 被 Google 收购。2016年,该公司开始利用人工智能研究蛋白质折叠。
2018年,由化学家江珀领导的团队研发的人工智能模型 AlphaFold 在当年蛋白质结构预测技术的关键评估(CASP)中获胜,成功预测了43种蛋白质中25种的最准确结构。 2020年,AlphaFold 的预测达到了与实验室技术相当的准确度。 2021年最终发布的 AlphaFold2 已预测超过2亿种蛋白质的结构,几乎预测了所有科学家迄今为止已经测序的蛋白质结构,而这一数据库已免费开放给科学家使用。
瑞典皇家科学院指,贝克、哈萨比斯与江珀实现了一个长达50年的梦想:根据氨基酸序列预测蛋白质结构,同时实现了设计蛋白质,“这两项发现都开启了广阔的可能性”。
值得注意的是,2024年的诺贝尔物理学奖与化学奖,不约而同地颁发给了人工智能相关的研究者。
英国巴斯大学人工智能教授克里斯蒂安尼(Nello Cristianini )指这是科学界未来发展的趋势,他又预测诺贝尔委员会所表彰的科学方法将不再仅限于“物理学”、“化学”及“生理学”等类别,而获奖者的科学背景可能与这些类别保持较松的联系。
2024年诺贝尔物理学奖得John Joseph Hopfield。图:网上图片
《自然》(Nature)则援引多位物理学家批评,物理学奖背后的科学不属于“物理学的范畴”,“诺贝尔奖受到了人工智能热潮的影响。”不过,《自然》也引述包括2021年诺贝尔物理学奖得主在内的多位物理学家表示,“物理学变得越来越广泛,并且包含了许多过去不存在或不属于物理学的知识领域。”《自然》又指出,诺贝尔奖自1901年开始颁发以来就常常强调研究对社会的影响并奖励实用的发明,而不仅仅是纯科学。
此次获奖者之一的辛顿在2023年离开了其长期工作的Google公司,此后致力于谈论急于推出生成式人工智能产品的危险。 在接受《纽约时报》采访时,辛顿曾表示“在他们了解是否能够控制这项技术之前,不应该进一步扩大规模”。
本刊载内容版权为端传媒或相关单位所有,未经端传媒编辑部授权,请勿转载或复制,否则即为侵权。
Wed, 16 Oct 2024 06:52:00 +0000
-- MobotIf you have any comments on this article, feel free to reply to this post. However, for feedback on the bot, please post in the _cn.fan_ group.