Почему Нобелевская премия отстаёт от реального научного прогресса? Объясняет учёный-химик

Кто пишет: Сергей Бесараб. Учёный-генералист, в прошлом — химик поверхности, специализирующийся на иерархических наноматериалах. Теперь ещё и научный журналист и футуролог. 

Первоначально этот текст был опубликован в блоге Сергея. 

«Сейчас наука — это коллективный спорт»

Суть премии давно уже не соответствует современным реалиям. Хотя бы с точки зрения приоритета открытия. В конце XIX века было достаточно легко определить автора открытия. Именно поэтому многие эффекты, явления, формулы, устоявшиеся носят чью-то фамилию.  Замечательное время, когда учёный просто обязан был быть энциклопедистом, физиком, химиком, биологом, лектором, инженером и изобретателем.

Сейчас наука — абсолютно коллективный спорт. Гений-самородок, способный изменить основы, переоткрыть фундаментальные законы или привнести кардинально новое, скорее всего, будет клиентом психиатрической больницы или героем научно-фантастического романа. Никак не современным учёным и Нобелевским лауреатом.

Сегодня за Нобелевским лауреатом стоят огромные институты и целая индустрия, сотни исследований в смежных областях. Сцена, назовем ее так, Нобелевской премии — это «кладбище титанов». Множество других, часто неизвестных ученых, которые внесли свой важный вклад умерли раньше, чем человечество оценило их труд. Нельзя же дать премию всем, в конце-концов. 

Стоит понять-принять-простить и начать воспринимать премию именно тем, чем она и является. Обычной традицией, комбинацией церемониальных действий. Что-то вроде роты почетного караула.

Нобелевская премия безнадёжно устарела

Дело в том, что за 123 года существования Нобеля в мире образовалась такая междисциплинарная россыпь наук и отраслей, что их невозможно распределить между стандартной связкой «физиология — химия — физика». 

Например, нет и в помине номинации «Компьютерные науки». Хотя последние десятилетия прогресс наблюдается именно там. А в физике уже давным-давно нет достижений, которые что-то меняли в самой физике — только вторичные эффекты и награды за них.

Есть достижение, которое заслужило признание. Например машинное обучение. Но тематически оно совершенно не укладывается в стандартную классификацию Нобелевской премии. Поэтому Нобелевский комитет выбирает область поближе (физику) и вписывает в неё достижение. 

Отмечу, что впервые за историю премии награда была присуждена направлению, которое не то что наукой, даже инженерией не является. Среди всех инженерных дисциплин машинное обучение наименее наукообразно. Его результат невозможно предсказать, какие ты расчетные методы ни применяй. Это настоящая осанна эмпирическому методу познания мира. 

Формально Нобелевскую премию получил (наконец-то) тот самый «метод тыка». Кстати, здесь лучше подходит даже не физика, а Нобелевская премия за химию.

Результаты Нобелевской премии по химии — ещё больше замешательства

В этом году Нобелевскую премию по химии получили Демис Хассабис, Дэвид Бэйкер и Джон Джампер. Все они занимаются «проблемой белка». Хассабис и Джампер (они работают в Google) создали ИИ-модель AlphaFold2, которая смогла решить проблему «50-летней давности» — она предсказывает структуру белков по аминокислотной последовательности с невиданной точностью почти в 90%.

А биохимик и специалист по вычислительной биологии Дэвид Бэйкер удостоился премии за «компьютерный дизайн белков».

Почему именно они были удостоены награды? Дэвид Бэйкер ещё в далеком 2003 году использовал 20 аминокислот для создания нового белка, не похожего на другие известные. После этого его исследовательская группа стала конструировать один за другим оригинальные белки.

Из школьного курса биологии вы можете помнить, что аминокислотный состав (первичная структура) в белках играет роль важную, но никак не основную. Все свойства белков связаны с третичной и четвертичной структурой. Тем, как белок сворачивается за счет сверхслабых взаимодействий. В течение десятилетий ученые безуспешно пытались найти, как предсказать механизм этих взаимодействий.

И лишь в 2020 году прикладники-программисты Хассабис и Джампер представили модель искусственного интеллекта AlphaFold2, с помощью которой смогли решить классическую задачу предсказания структуры белка по последовательности. Над ней ученые бились еще с 60-х годов.

Но ее результаты ни на шаг не приблизили человечество к пониманию, как белок сворачивается в трехмерную структуру. Есть практический результат — мы знаем какую трехмерную структуру будет иметь та или иная последовательность из аминокислот. Но по сути никаких ответов нет, и сворачивание белка всё ещё похоже на магию. Нет никаких объективных предположений о физике процесса образования трехмерной структуры.

Зато нейросеть работает как большая библиотека, смотрит на большое количество примеров и пытается сделать так же. Зато есть прикладной результат, и это хорошо.

У программистов нейросетей тоже есть претензии к этой награде. Например почему были выбраны именно машина Больцмана и память Хопфилда, которые не нашли широкого применения. А революция нейросетей идёт в мире иных алгоритмов.

Что будет с Нобелевской премией дальше?

1. Нужна реформа самой премии. 
   
   Возможно, Нобелевская премия будет становиться более междисциплинарной. В машинное обучение пришло из физики немало концепций (энергетические модели или диффузия). Но при этом и сама вычислительная физика уже меняется. Как минимум в физике высоких энергий или моделировании климата, где без машинного обучения — никак. Надеюсь, описанный тренд продлится, и в году 2030 мы увидим например Нобелевскую премию по биофизике.
   
   
2. Большой PR нейросетей.
   
   Любую традицию можно использовать как инструмент для продвижения, PR-a, чего угодно. В данном случае нейросетей. 
   Картинки генерируются, тексты составляются. Но нет значимых, весомых результатов. И инвесторы тоже потеряли энтузиазм.  Многие аналитики считают, что без революционного скачка OpenAI в течение года может оказаться на грани банкротства.
   
   А скачок не предвидится, весь генИИ — это все еще старый-добрый «Т9 на стероидах». Пусть и постоянно масштабирующийся горизонтально («нужно еще больше обучающих данных, нужно еще больше электроэнергии»).
   
   Как и в случае финансовых пирамид, вроде МММ, существование «нейросетевого пузыря» невозможно без притока новых «верующих». Так почему бы для их привлечения не использовать и Нобелевский комитет? Сформированная столетиями репутация-с. Попробовали. Вроде бы получилось :) Как минимум пару ближайших недель все только и будут говорить, что о нейросетях.

Мнение автора может не соответствовать позиции редакции. 

Что ещё почитать про науку: 

• Беларуска учится на докторантуре в Австрии и параллельно «вошла в ИТ»; 
• Дима Богданов изобрёл механизм attention и работает с лауреатом премии Тьюринга. Говорим про ML и Монреаль; 
• Как минчанка попала на работу в NASA и изучает космическую погоду. 

🎊 Dzik Pic Store открыт и готов принимать заказы!

Заходи к нам в магазин