Minden várakozást felülmúlt az a hír, hogy a mesterséges intelligencia (MI) két Nobel-díjat nyert el mindössze két napon belül. Az első díjat a fizika terén ítélték oda, amelyet John Hopfield amerikai és Geoffrey Hinton brit-kanadai kutató kapott az artifikális neurális hálózatok alapvető munkájáért. Ez az architektúra képezi a modern MI, például a ChatGPT alapját. Ezt követően a kémiai Nobel-díjat is átadták, amelynek felét Demis Hassabis és John Jumper, a Google DeepMind munkatársai kapták az AlphaFold programért, amely évtizedes tudományos kihívásokat oldott meg a fehérjék szerkezetének előrejelzésével.
Az, hogy a mesterséges intelligencia két Nobel-díjat nyert, önmagában is figyelemre méltó, de az is, hogy mindkét díjazott brit kutató, akik egy olyan területen dolgoznak, amely korábban elhanyagolt volt a Nobel-díjak történetében. Hinton és Hassabis Londonban születtek, de közel három évtized elteltével.
Az innováció gyökerei
Az MI fejlődésének hátterében évszázados alapok állnak. Az Egyesült Királyság már régóta komoly szereplője a statisztikának, logikának, matematikának és mérnöki tudományoknak – gondoljunk Thomas Bayesre, George Boole-ra, Charles Babbage-re és Ada Lovelace-re – még mielőtt Alan Turing megkérdezte volna: „Gondolkodhatnak-e a gépek?” A számítógépek elterjedésével a szakértelem egy szűk központban virágzott, amely folyamatosan a kutatás élvonalában áll.
„Az Egyesült Királyság régóta vezető szerepet játszik a számítástechnika és az MI terén” – mondja Dame Muffy Calder, a Glasgow-i Egyetem tudományos és mérnöki karának rektora. „Évek óta vezetünk, és ezt részben a kutatási finanszírozási környezetnek köszönhetjük, amely elismerte a felfedezés-alapú kutatást.” Calder hangsúlyozza, hogy a kutatás nemcsak a jól definiált problémák megoldására összpontosít, hanem sokkal spekulatívabb irányokat is felölel.
A tudományos közösség ereje
Maneesh Sahani, a londoni Egyetem Gatsby Számítástudományi Egységének igazgatója kiemeli, hogy az Egyesült Királyságban különböző intelligens emberek csoportjai alakultak ki, amelyek létrehozták a szakértelem kritikus tömegét. „Britanniának régóta megvan az a képessége, hogy a súlyához képest felnőjön a feladathoz, és ez még mindig igaz” – mondja. A gépi tanulás folyamata, amelyben a számítógépek nem közvetlen utasítások alapján dolgoznak, hanem adatok mintáinak elemzésével tanulnak, kiemelt szerepet játszik a brit fejlődésben.
A korai kulcsszereplők között említhetjük az Edinburgh-i, Cambridge-i és Aston Egyetemeket, amelyek máig erősek. Sahani szerint a Gatsby Egység, amelyet Hinton alapított, különösen fontos szerepet játszott. „A Gatsby egy fantasztikus vonzerő volt” – mondja. A Gatsby Alapítvány finanszírozása lehetővé teszi a tudósok számára, hogy a kutatásra koncentráljanak, anélkül, hogy az oktatás és a pályázatok keresése terhelné őket.
Kihívások és lehetőségek
A mesterséges intelligencia az évtizedek során számos fellendülést és visszaesést élt meg, de a gépi tanulás forradalma, amelyet a több rétegű neurális hálózatok vezettek, új lendületet adott a befektetéseknek. A technológiai cégek, különösen az Egyesült Államokban, dominálják az MI-kutatást, és a hatalmas adathalmozás és a versenyképes fizetések miatt az egyetemek nehezen tudják lépést tartani.
Dame Wendy Hall, a Southampton-i Egyetem számítástechnikai professzora szerint az Egyesült Királyságnak meg kell védenie „akadémiai örökségét” a technológiában. „Nagyon fontos, hogy folytassuk az MI-kutatás finanszírozását egyetemeinken. Itt fognak születni a jövő generációs MI-technológiák, és szükségünk van a magasan képzett szakemberekre, hogy támogassuk növekvő MI-iparunkat” – fogalmaz. „Más országok mélyen irigykednek ránk.”
Az, hogy a következő Nobel-díjak a láthatáron vannak-e, nagymértékben függ az egyénektől és a környezetük munkakörülményeitől. „Ami Geoffban kiemelkedő, az a kreativitása és a kielégíthetetlen kíváncsisága. Mindenféle problémát keres” – mondja Sahani. „Demis esetében nyilvánvaló volt a dinamizmusa. Érezte, hogy nagyszerű dolgokat lehet építeni, és ezek után fog menni.”
Érdekes tény: Az AlphaFold program, amely Nobel-díjat nyert, több mint 200 millió fehérje szerkezetét képes előrejelezni, ami forradalmasítja a biológiai kutatások területét.
Források: The Guardian, BBC News, Nature.
