Dubbla Nobelpris till AI. Låt oss bena ut vad de handlar om
🏆 🧪 👨🏻🔬 🦾 🌿
Hej & välkommen till 🚀 Plötsligt i framtiden!
Alfred Nobel ska ha sagt: “Man kan utan överdrift säga att iakttagelsen av, och sökandet efter, likheter och skillnader är grunden för all mänsklig kunskap.”
Ett iakttagande och ett sökande som numera kan utföras av 🤖.
Den här veckan ska vi besöka vetenskapens förtrollade värld – där AI just har skrivit om spelreglerna för genombrott, vilket ger oss innovation med superkrafter.
Hoppas att du är redo för lite kemi och biologi. För nu kör vi!
/ Judith
AI förändrar F&U
Vid flertalet tillfällen (här, här, här & här) har jag skrivit om hur AI ökar innovationstakten rejält. Nu har mitt tidigare relativt “okända” favoritexempel (åtminstone okänt hos en bredare massa) gått och fått Nobelpris. Hurra!
Innan vi går in på Nobelpriset ska vi dock bena ut vad som är annorlunda nu jämfört med bara några år sedan. & för dig som tidigare har läst mina artiklar på temat AI & innovationskraft; känn dig fri att studsa vidare till nästa rubrik ⬇️.
För.
De senaste årens genombrott inom maskininlärning och djupinlärning har inte bara gett oss svinvassa filmer (som den här under från Sora) utan också förändrat processen för F&U. Istället för att utgå från teoretisk förståelse (hos människor) kan AI dyka ner i en massa information (data) och hitta helt nya typer av samband som tidigare varit dolda för oss.
Ett annat sätt att uttrycka detta är att Generativ AI har lärt sig att prata naturvetenskap. Om AI-modeller tränas på massvis av information från den biologiska och kemiska världen, ja då kan tekniken sedan hjälpa oss att generera information om sådant som vi inte redan visste.
» Det här betyder att AI-algoritmer inte kommer fram till sina lösningar genom att imitera vårt mänskliga sätt att tänka. Istället utvecklar AI helt egna logiker för att komma fram till sina slutsatser. «
Låt oss nu bli mer konkreta genom att dyka ner i det första Noblepriset.
Nobelpriset i kemi handlar om proteiner. Och AI
Som du säkert vet är proteiner det som får det mesta i våra kroppar att funka. ”De omvandlar mat till energi, forslar syre till cellerna och får musklerna att dra ihop sig” (citat). Ja, det är proteiner som även får naturen att funka på sitt imponerande sätt.
"Proteins do everything in life. And in order to understand life, we need to understand proteins" - Citat
Proteiner är uppbyggda av kedjor av aminosyror som veckar ihop sig till komplexa 3D-strukturer, så kallad proteinveckning (protein folding på engelska). Och det är just dessa former som avgör ett proteins egenskaper och hur de sköter sina jobb.
Tidigare har det varit svårt för forskare att förutsäga strukturen hos proteiner eftersom det finns så väldans många olika sätt för aminosyrorna att koppla ihop sig. I över 50 år brottades forskare med att knäcka koden till hur proteinveckningen funkar.
Nu till pristagarna.
“Årets ena upptäckt handlar om att bygga egna spektakulära proteiner. Den andra om att uppnå en 50 år gammal dröm: att kunna förutsäga proteiners struktur utifrån deras sekvenser av aminosyror. Båda upptäckterna öppnar för oändliga möjligheter.” - Heiner Linke, ordförande för Nobelkommittén för kemi.
Den första mottagaren av Nobelpriset i kemi 2024, David Baker vid University of Washington, har lyckats utveckla flera helt nya typer av proteiner som aldrig tidigare har existerat.
“År 2003 lyckades David Baker med konststycket att designa ett nytt protein som var olikt alla kända proteiner. Sedan dess har hans forskargrupp tagit fram den ena mer fantasifulla proteinkreationen efter den andra, bland annat proteiner som kan fungera som läkemedel, vaccin, nanomaterial och minimala sensorer.” - Kungl. Vetenskapsakademien
Detta har “öppnat up en ny värld av proteinstrukturer som aldrig förut skådats” (citat).
De andra två pristagarna, Demis Hassabis och John Jumper, kommer från Google DeepMind och det är nu AI kommer in i bilden. Med hjälp av AI-modellen AlphaFold har man knäckt den där 50-åriga nöten. Och det är just deras AI-innovation som jag själv har varit så väldigt fascinerad av.
Innan DeepMinds genombrott hade den samlade forskarkåren “bara” lyckats kartlägga ett par hundra tusen proteiner och dess 3D-strukturer. Den absoluta majoriteten av proteinerna var fortfarande en gåta. Tills version två av AlphaFold spottade ur sig svaren.
AlphaFold har utvecklats i flera steg där det första genombrottet kommunicerades kring 2019. I senare steg öppnade DeepMind upp informationen för forskarvärlden och med AlphaFold 2 lyckades man identifierade alla proteiner i universum som vi människor känner till – närmare bestämt över 200 miljoner stycken.
På Nobelstiftelsens hemsida nobelprize.org kan du läsa mer.
Innan vi stänger dörren till AlphaFold vill jag dock lite kort nämna ytterligare steg som har tagits. Innan sommaren släppte Google DeepMind tillsammans med Isomorphic Labs en ny version; AlphaFold 3. Den här gången med betydande framsteg och där inte bara proteiner ingår, utan ett bredare spektrum av biologiska molekyler (DNA, RNA, joner, kemiska modifieringar mm). Dessutom kan den uppdaterade versionen modellera hur komplexa biologiska interaktioner mellan olika molekyler sker.
🧬 Här kan du läsa mer: AlphaFold 3 predicts the structure and interactions of all of life’s molecules
Nobelpriset i fysik
Nobelpriset i fysik då, vad handlar det om? Jo, om “grundläggande upptäckter och uppfinningar som möjliggör maskininlärning med artificiella neuronnätverk."
John J. Hopfield från Princeton University belönas för skapandet av ett associativt minne som kan lagra och återskapa bilder och andra sorters mönster i data. Och den andra Nobelpristagaren i fysik, Geoffrey Hinton från från University of Toronto, får priset för att han uppfann en metod som självständigt kan hitta egenskaper i data. Med andra ord; utvecklat grunden till maskininlärning.
Jag tänkte inte skriva mer om Nobelpriset i fysik utan istället hänvisa till de här källorna:
Nobelpriset i fysik 2024: De tränade artificiella neuronnät med fysik (Kungl. Vetenskapsakademien)
Nobelpriset i fysik 2024: De lade grunden till maskininlärning och AI (IVA)
Däremot vill jag ägna lite utrymme åt Geoffrey Hinton som ofta kallas för AI:s gudfader – och som förra året hoppade av en hög position på Google för att mer fritt kunna lyfta riskerna kring AI.
För JA! Samtidigt som AI kommer med enorma möjligheter – framför allt inom hälsa, utbildning och klimatomställning – så följer också en rad utmaningar; både redan existerande risker och framtida potentiella hot.
I början av 2023 gick tungviktare som Steve Wozniak (medgrundare Apple), Yaval Noah Harari (historiker och en av mina personliga favorittänkare), Andrew Yang (entreprenör och tidigare kandidat till det amerikanska presidentvalet), Elon Musk (beskrivning överflödig) och en mängd AI-forskare ut med ett öppet brev där de uppmanade alla AI-labb att omedelbart pausa sin AI-utveckling, åtminstone i sex månader. De menade att vi på allvar behöver ställa oss en rad grundläggande frågor:
Ska vi tillåta maskiner att få våra informationskanaler att svämma över av propaganda och osanningar?
Ska vi automatisera bort alla jobb, inklusive sådana arbetsuppgifter som vi upplever som meningsfulla och tillfredsställande?
Ska vi låta maskinerna utveckla icke-mänskliga förmågor och sinnen som så småningom överträffar och överlistar oss? Och som riskerar att göra människan föråldrad?
Ska vi verkligen riskera att vi, i och med den snabba AI-utvecklingen, förlorar kontrollen över civilisationen?
Budskapet i brevet var tydligt; det finns enorma risker med AI. Och dessa risker tenderar att bli större ju snabbare utvecklingen går. Man ställde sig också frågan kring vem som borde sitta i förarsätet av utvecklingen. Så som det ser ut nu är det icke folkvalda AI-experter som kan komma att avgöra vår kollektiva framtid.
Tillbaks till Geoffrey Hinton som efter sitt avhopp från Google bland annat ställt sig bakom ett "Statement on AI Risk" (maj 2023). I en uppmärksammad intervju med Cade Metz från New York Times lyfter Hinton olika typer av risker som han ser framåt och som varierar beroende på vilken tidshorisont vi pratar.
I perspektivet nutid/närtid flaggar Hinton för en rad utmaningar som följer kopplat till Generativ AI, där maskiner idag skapar innehåll utifrån våra instruktioner; bilder, filmer, texter, röster osv. En av konsekvenserna är den flodvåg av disinformation som vi redan börjat se.
”I see that as a huge problem not being able to know what’s true anymore”
När AI dessutom hjälper till att få spridning på falsk information och förstärker propaganda, ja då leder det tillslut att vi inte kommer att kunna lita på något som vi ser online. Läs mer i artikeln här under.
På medellång sikt lyfter Hinton andra typer av utmaningar som han tror att AI kommer att medföra. Dessa utmaningar menar han framför allt handlar om jobben. Idag tenderar AI-lösningar att komplettera människor i våra arbeten, men Hinton är rädd för att de allt mer kommer att ersätta oss i takt med att tekniken utvecklas ytterligare.
De orosmoln som Hinton ser på längre sikt handlar bland annat om hur AI kan komma att användas inom krigsföring, där tekniken riskerar att sänka ribban för länder att gå in i krig med varandra. Men också att AI på andra sätt kommer att användas för att uppnå makt och kontroll.
Här kan du lyssna på den uppmärksammade intervjun med Geoffrey Hinton.
Summa summarum: årets Nobelpris i kemi och fysik visar att både stora möjligheter och risker följer med AI-utvecklingen. Där det som vanligt kokar ner till oss människor av kött och blod. För ja, det är till syvende o sist vi som behöver jobba för att den teknikdrivna utvecklingen ska gynna oss.
Det var allt för den här gången.
Ta hand om er och varandra så hörs vi snart igen!
/ Judith
🥰 Tack för att du prenumererar på nyhetsbrevet Plötsligt i Framtiden! Om du har frågor eller tips på vad jag borde skriva om – kommentera gärna på LinkedIn eller skicka ett DM. & tipsa gärna andra som du tror skulle gilla att kika in i en framtid där teknik och hållbarhet är den gröna tråden.