AI“統(tǒng)治”諾貝爾獎背后,知識的貶值已經開始了
這兩天,諾貝爾獎逐步公布,AI成了最大贏家。
10月8日,瑞典皇家科學院宣布,2024年諾貝爾物理學獎授予美國科學家約翰·霍普菲爾德(John J. Hopfield)和英裔加拿大科學家杰弗里·辛頓(Geoffrey E. Hinton),以表彰他們利用物理學工具,開發(fā)出了當今強大機器學習技術的基礎方法。
一天之后,瑞典皇家科學院又宣布,將2024 年諾貝爾化學獎授予大衛(wèi)·貝克(David Baker)、戴米斯·哈薩比斯(Demis Hassabis)和約翰·江珀(John M.Jumper),以表彰他們用AI在蛋白質設計和蛋白質結構預測領域作出的貢獻。
你可以簡單理解為,諾獎評委們把諾貝爾物理學獎頒給了機器學習,而諾貝爾化學獎頒給了AI預測蛋白質結構和蛋白質設計。
為什么AI突然能拿下兩座諾貝爾大獎?AI站上諾貝爾獎舞臺背后,到底隱藏著一個什么趨勢?
/ 01 / AI連下兩座諾貝爾大獎
先說下諾貝爾物理學獎的獲得者霍普菲爾德和辛頓。
霍普菲爾德在1982年創(chuàng)造出聯想神經網絡,現在通稱為霍普菲爾德網絡(Hopfield network),可以存儲并重現圖像和其他數據模式的關聯記憶技術。
簡單來說,霍普菲爾德網絡解決的問題是:人是如何進行聯想記憶的,也就是如何通過某一部分的記憶聯想起整個記憶。比如,你聽到一個人的名字,就能聯系他的長相。
而作為深度學習領域的領軍人物,辛頓的最大貢獻在于,開發(fā)了一種新的神經網絡:玻爾茲曼機。
在我們大腦中,神經元之間會相互作用,有些神經元的決策是可以影響另一部分的神經元。借用知乎上產品二姐的比方:
有些神經元的決策是可以表現出來的,比如某些人看了《長安三萬里》這部動畫片。但又有些神經元的表現是不可見的,比如某些人看《長安三萬里》是因為喜歡唐詩,有些人看是因為喜歡追光動畫,還有些人是因為陪喜歡的人一起看。
而玻爾茲曼機所要做的事,就是搞清楚這些可見和不可見神經元之間互相影響的關系。
玻爾茲曼機的出現,很大程度推動了機器學習的快速發(fā)展。特別是在深度學習發(fā)展早期,波爾茲曼機被用來預訓練深層神經網絡,幫助網絡在進行更復雜學習任務之前,找到合適的權重初始狀態(tài)。
說完物理學獎,再來說說諾貝爾化學獎。
其中,諾貝爾化學獎獲獎者之一的大衛(wèi)·貝克,率先開發(fā)了設計和預測蛋白質三維結構的方法,創(chuàng)造出了全新的蛋白質,基于創(chuàng)新的軟件、算法解決醫(yī)學難題。
而戴米斯·哈薩比斯和約翰·江珀,則參與創(chuàng)造的AI蛋白質結構分析工具AlphaFold,直接把蛋白質預測這事帶到了一個新紀元。
如果將生命體比作一個拼好的樂高積木,那蛋白核酸等大分子就像一個個獨立的樂高零件。在過去的五十年里,理解每一個樂高零件的形狀就是結構生物學家的主要工作。
但這事并不容易,蛋白質是由20種不同的氨基酸按特定序列連接形成的多聚體,這些不同的氨基酸通常會折疊成某一個特定的形狀。所以,想要真正地理解蛋白質如何發(fā)揮作用,科學家們就必須準確地掌握蛋白質的空間結構。
蛋白質結構從簡單到復雜,總共分為4級。一級結構比較容易確定,簡單的生物實驗如質譜法即可,但涉及到二級以上結構如何折疊的,結構生物學家往往需要利用X射線、核磁共振、電游儀、冷凍電鏡來檢測。
這些方法耗時耗力、人工成本也極高,比如電泳儀只能間接進行測量,實驗中還受較多因素干擾,因而會影響對蛋白質結構的分析與理解。而能高分辨率解析的冷凍電鏡則極為昂貴,一臺約1億人民幣左右。截至今年,我國的冷凍電鏡也只有60多臺。
AlphaFold厲害的地方在于,通過深度學習模型來預測蛋白質更高結構,不僅非?,而且相當準確,大大提高了蛋白質研究的效率。
2021年,AlphaFold就預測了35萬個蛋白質結構,這包括了98.5%的人類蛋白質,并將這些蛋白質結構放到了AlphaFold-EBI數據庫中。到了2022年,這個數據庫中的蛋白質數超過了2億,幾乎包含了地球上所有可能存在的蛋白質。
可以說,AlphaFold幾乎一個人把預測蛋白質結構這事給做了,這對人類探索自身的生命密碼尤其重要。
/ 02 / 知識的盡頭是AI
雖然機器學習拿下諾貝爾物理學獎這事有很大爭議,但另一個已成的事實是,AI已經幾乎滲透到所有的學科,并產生了不可忽視的影響。
原因很簡單,AI的學習效率比人強太多。在之前很長時間里,辛頓一直認為,人的智慧比AI更高。但這幾年,辛頓看法開始轉變,因為他發(fā)現,AI在知識傳播效率、學習機制、能源效率方面都比人強。
就拿知識傳播來說,當一個AI智能體掌握了某個知識,所有的AI智能體都能立刻學會這個知識。相反,人類只能通過觀察和復制教師行為來學習,這個過程時間更長且效率更低。
再說學習機制,人類的大腦里有100萬億個連接,而GPT只有一萬億個,數量遠遠低于人類。但一個GPT用1700多億的參數,居然就記住了人類所有的知識和文明,而且還可以進行抽象的思考。
這意味著,AI比人類更擅長將大量知識放在1萬億的連接中。換句話說,AI可能找到了比人類更好的學習方法。
在AI強大的學習能力之下,知識正在迅速貶值。OpenAI早期投資人Vinod Khosla曾預測,未來幾乎所有的專業(yè)知識都將被AI免費化。
持有類似觀點的還有牛津大學教授Nick Bostrom。他的觀點更極端,本科和博士課程將加速貶值,傳統(tǒng)20-30年以知識傳遞為核心的人力資本投資將看不到任何回報。
但與此同時,跨學科知識的重要性可能被進一步提升,即使用計算機工具,以及與其他學科的理論,去幫助其它學科(物理,化學,材料,生物,醫(yī)藥)攻克學術難題。
也就是說,未來學好人工智能,很有可能會比拒絕人工智能的人,能更有效的工作,形成新的重要發(fā)現,甚至爭奪各個方向的諾貝爾獎。
甚至有一天,一個拿GPT-X寫文章的人,或許也能夠獲得諾貝爾文學獎。
文/林白
原文標題 : AI“統(tǒng)治”諾貝爾獎背后,知識的貶值已經開始了
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
10月31日立即下載>> 【限時免費下載】TE暖通空調系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報名>>> 【在線會議】多物理場仿真助跑新能源汽車
-
11月28日立即報名>>> 2024工程師系列—工業(yè)電子技術在線會議
-
12月19日立即報名>> 【線下會議】OFweek 2024(第九屆)物聯網產業(yè)大會
-
即日-12.26火熱報名中>> OFweek2024中國智造CIO在線峰會
-
即日-2025.8.1立即下載>> 《2024智能制造產業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
推薦專題
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結構工程師 廣東省/深圳市