Любознательность учёных уже не раз становилась двигателем технологических преобразований. Сто лет назад интерес к атомам привёл к появлению квантовой механики, а затем и транзистора — основы современных вычислений. В то же время паровая машина была практическим прорывом, но для того, чтобы полностью использовать её потенциал, потребовались фундаментальные исследования в области термодинамики.
Сегодня искусственный интеллект и наука находятся на схожем переломном этапе. Нынешняя революция в сфере ИИ подпитывалась десятилетиями исследований в области математических и физических наук (МФН), которые предоставили сложные задачи, наборы данных и идеи, сделавшие возможным современный ИИ. Нобелевские премии 2024 года по физике и химии, отмечающие фундаментальные методы ИИ, основанные на физике, и применение ИИ для проектирования белков, сделали эту связь очевидной.
Вопросы и ответы
Вопрос: Каковы основные темы доклада, посвящённого прошлогоднему собранию лидеров в области математических и физических наук?
Ответ: Сбор вместе стольких исследователей, находящихся в авангарде ИИ и науки, был поучительным. Хотя участники семинара представляли пять различных научных сообществ — астрономию, химию, материаловедение, математику и физику — мы обнаружили много общего в том, как мы занимаемся ИИ. Из наших оживлённых дискуссий сформировался реальный консенсус: скоординированные инвестиции в вычислительные мощности и инфраструктуру данных, междисциплинарные исследовательские методы и тщательное обучение могут существенно продвинуть вперёд и ИИ, и науку.
Одним из центральных выводов стало то, что это должна быть улица с двусторонним движением. Речь идёт не только об использовании ИИ для улучшения научных исследований; наука также может сделать ИИ лучше. Учёные умеют извлекать ценную информацию из сложных систем, включая нейронные сети, раскрывая лежащие в их основе принципы и закономерности. Мы называем это «наукой об ИИ», и она представлена в трёх формах:
* наука, управляющая ИИ, где научные рассуждения определяют фундаментальные подходы к ИИ;
* наука, вдохновляющая ИИ, где научные задачи способствуют разработке новых алгоритмов;
* наука, объясняющая ИИ, где научные инструменты помогают понять, как на самом деле работает машинный интеллект.
Например, в моей области — физике элементарных частиц — исследователи разрабатывают алгоритмы ИИ в реальном времени для обработки потока данных от экспериментов на коллайдерах. Эта работа имеет прямое отношение к открытию новой физики, но сами алгоритмы оказываются ценными не только в нашей области.
Семинар показал, что наука об ИИ должна стать приоритетом сообщества — она может трансформировать наше понимание, разработку и контроль систем ИИ.
Конечно, для преодоления разрыва между наукой и ИИ нужны люди, которые могут работать в обоих мирах. Участники постоянно подчёркивали необходимость в «учёных-кентаврах» — исследователях с подлинным междисциплинарным опытом. Поддержка этих эрудитов на всех этапах карьеры, от интегрированных курсов для студентов до междисциплинарных программ докторантуры и совместных приёмов на работу преподавателей, стала важной задачей.
Вопрос: Как усилия MIT в области ИИ и науки согласуются с рекомендациями семинара?
Ответ: Семинар сформулировал свои рекомендации вокруг трёх столпов: исследования, таланты и сообщество. Как директор Института искусственного интеллекта и фундаментальных взаимодействий (IAIFI) — совместного проекта MIT и Гарварда, Нортуэстерна и Тафтса — я своими глазами видел, насколько эффективной может быть такая структура.
В области исследований MIT уже открывает возможности для работы в сфере ИИ и науки в обоих направлениях. Даже беглый просмотр MIT News показывает, как отдельные исследователи из Школы естественных наук занимаются проектами, связанными с ИИ. В то же время совместные усилия, такие как IAIFI и Институт ускоренных алгоритмов искусственного интеллекта для открытия данных (A3D3), концентрируют междисциплинарную энергию для достижения большего эффекта. Консорциум MIT Generative AI Impact поддерживает работу с ИИ, ориентированную на приложения, в масштабе университета.
Чтобы воспитать талант в области ИИ и науки, несколько инициатив обучают следующее поколение учёных-кентавров. Программа Common Ground for Computing Education помогает студентам стать «двуязычными» в области вычислений и своей основной дисциплины. Междисциплинарные пути докторантуры также набирают обороты; IAIFI совместно с Институтом данных, систем и общества MIT создала один из таких путей в области физики, статистики и науки о данных, и около 10 процентов студентов-физиков теперь выбирают его — число, которое, вероятно, будет расти.
Наконец, построение сообщества объединяет всё воедино. От целенаправленных семинаров до крупных симпозиумов — организация междисциплинарных мероприятий сигнализирует о том, что работа в области ИИ и науки не ограничивается отдельными исследованиями — это развивающаяся область. MIT обладает талантами и ресурсами, чтобы оказать значительное влияние, и проведение таких встреч в разных масштабах помогает закрепить за институтом статус лидера.
Вопрос: Какие уроки MIT может извлечь для дальнейшего продвижения своих усилий в области ИИ и науки?
Ответ: Семинар выявил важную вещь: учреждения, которые лидируют в области ИИ и науки, будут думать системно, а не разрозненно. Ресурсы ограничены, поэтому приоритеты имеют значение. Участники семинара чётко обозначили, что становится возможным, когда учреждение координирует приём на работу, исследования и обучение в рамках последовательной стратегии.
MIT имеет все возможности для развития того, что уже начато, с помощью более структурных инициатив — совместных позиций преподавателей в области вычислений и научных дисциплин, расширения междисциплинарных путей получения степени и целенаправленного финансирования «науки об ИИ». В этом году Колледж вычислений Шварцмана MIT и физический факультет проводят первый в истории совместный поиск преподавателей, что очень интересно наблюдать.
Цикл развития ИИ и науки может стать по-настоящему преобразующим — он будет способствовать более глубокому пониманию ИИ, ускорению научных открытий и созданию надёжных инструментов для обеих областей. Разработав продуманную стратегию, MIT сможет занять лидирующие позиции и извлечь выгоду из грядущих волн ИИ.
Вопрос: Какие три формы «науки об ИИ» были выделены в статье и как они способствуют развитию искусственного интеллекта?
Ответ: В статье выделены три формы «науки об ИИ»:
* наука, управляющая ИИ, где научные рассуждения определяют фундаментальные подходы к ИИ;
* наука, вдохновляющая ИИ, где научные задачи способствуют разработке новых алгоритмов;
* наука, объясняющая ИИ, где научные инструменты помогают понять, как на самом деле работает машинный интеллект.
Эти формы способствуют развитию ИИ, поскольку позволяют использовать научные знания и методы для улучшения алгоритмов, разработки новых подходов и понимания принципов работы машинного интеллекта.
Вопрос: Какие примеры междисциплинарного сотрудничества в области ИИ и науки приведены в статье?
Ответ: В статье приведены примеры междисциплинарного сотрудничества в области ИИ и науки через описание работы исследователей в физике элементарных частиц, которые разрабатывают алгоритмы ИИ в реальном времени для обработки потока данных от экспериментов на коллайдерах. Это сотрудничество между физикой и ИИ показывает, как научные задачи могут способствовать разработке новых алгоритмов и методов обработки данных.
Вопрос: Какие рекомендации были сформулированы на семинаре для продвижения исследований, талантов и сообщества в области ИИ и науки?
Ответ: На семинаре были сформулированы следующие рекомендации:
* исследования: поддержка междисциплинарных исследований и проектов, объединяющих ИИ и науку;
* таланты: воспитание «учёных-кентавров» — исследователей с междисциплинарным опытом;
* сообщество: организация междисциплинарных мероприятий и семинаров для обмена идеями и опытом между учёными из разных областей.
Эти рекомендации направлены на создание условий для развития ИИ и науки через сотрудничество, обмен знаниями и поддержку талантливых исследователей.