Prekretnica za veštačku inteligenciju i fundamentalnu nauku

Veštačka inteligencija se nije pojavila niotkuda. Decenijama su fizičari, hemičari, matematičari i mnogi drugi naučnici snabdevali ovu oblast kompleksnim problemima, ogromnim bazama podataka i dubokim teorijskim idejama koje pokreću današnje modele dubokog učenja. Nobelove nagrade za fiziku i hemiju 2024. godine dodatno su istakle tu vezu, odajući priznanje metodama proisteklim iz AI-ja koje su ukorenjene u fizici, kao i prodorima u dizajnu proteina vođenim AI tehnologijom.

Na radionici održanoj na MIT-u 2025. godine, uz podršku NSF-a i MIT-ove Škole nauka, kao i odseka za fiziku, hemiju i matematiku, istraživači su razmatrali kako da ovu „dvosmernu ulicu“ pretvore u sistematsko i dugoročno partnerstvo.

Ključne teme sa AI+MPS radionice

Učesnici iz oblasti astronomije, hemije, nauke o materijalima, matematike i fizike identifikovali su tri zajedničke niti:

• Koordinisana računarska infrastruktura i infrastruktura podataka. Zajednički, masovni resursi omogućavaju obuku AI modela i pokretanje naučnih simulacija u velikim razmerama.
• Interdisciplinarne istraživačke metode. Tehnike poput diferencijabilnog programiranja i neuronskih mreža zasnovanih na fizici brišu jasnu granicu između razvoja algoritama i naučnog modelovanja.
• Sistematičan razvoj talenata. Obuka naučnika koji tečno govore jezike obe sfere – onoga što Thaler naziva „kentaur-naučnicima“ – od vitalnog je značaja za održiv napredak.

Ove ideje su pretočene u širi okvir „nauke o veštačkoj inteligenciji“ koji Thaler opisuje kroz tri pravca:

1. Nauka koja pokreće AI: korišćenje naučnog zaključivanja za kreiranje novih algoritama učenja.
2. Nauka koja inspiriše AI: omogućavanje da kompleksni naučni izazovi podstiču razvoj novih AI metoda.
3. Nauka koja objašnjava AI: primena alata iz fizike i matematike u cilju demistifikacije rada neuronskih mreža.

„Nauka o veštačkoj inteligenciji treba da bude prioritet zajednice; ona poseduje potencijal da transformiše način na koji razumemo, razvijamo i kontrolišemo AI sisteme“, izjavio je Thaler.

Usklađenost MIT-a sa preporukama radionice

Thaler rukovodi Institutom za veštačku inteligenciju i fundamentalne interakcije (IAIFI) koji finansira NSF, te izbliza prati razvoj ovog modela. MIT već ostvaruje značajan napredak na tri ključna stuba istaknuta tokom radionice:

Istraživanje

MIT-ov ekosistem na spoju AI-ja i nauke obuhvata IAIFI, Institut za ubrzane AI algoritme za otkrića zasnovana na podacima (A3D3) i MIT-ov konzorcijum za uticaj generativne veštačke inteligencije. Ove kolaboracije podstiču projekte koji se kreću u oba smera: AI alati ubrzavaju analizu podataka u fizici čestica, dok algoritmi inspirisani fizičkim zakonima povećavaju efikasnost modela u različitim primenama.

Razvoj talenata

Program „Common Ground for Computing Education“ na MIT Schwarzman koledžu za računarstvo obučava studente da postanu „dvojezični“ – stručni u računarstvu i u svojoj matičnoj disciplini. Novi interdisciplinarni doktorski programi, poput zajedničkog IAIFI-IDSS stepena iz fizike, statistike i nauke o podacima, već privlače oko 10% kandidata za doktorske studije fizike. Stipendije kao što su IAIFI Fellowship i Tayebati Fellowship omogućavaju postdoktorandima da se bave međudomenskim istraživanjima bez ograničenja na samo jedan odsek.

Izgradnja zajednice

Kroz fokusirane radionice i simpozijume velikih razmera, MIT jasno signalizira da je AI+MPS zasebna i važna istraživačka zajednica. Predstojeći zajednički konkursi za profesorska mesta između Schwarzman koledža za računarstvo i Odseka za fiziku predstavljaju vrstu strukturnog ulaganja za koje Thaler veruje da će biti presudno za skaliranje modela.

Pogled u budućnost: Od vizije do institucije

Thaler upozorava da institucije koje teže liderskoj poziciji na spoju veštačke inteligencije i nauke moraju delovati sistematično, a ne parcijalno. „Resursi su ograničeni, stoga je pravilno postavljanje prioriteta ključno“, naglašava on. Sledeći koraci MIT-a – proširenje zajedničkih profesorskih pozicija, širenje interdisciplinarnih studijskih programa i izdvajanje namenskih sredstava za „nauku o AI-ju“ – mogli bi transformisati preporuke radionice u trajan i održiv ekosistem.

Ukoliko ovaj poduhvat uspe, povratna sprega bi mogla biti izuzetno moćna: dublji naučni uvid pokretaće pametniju veštačku inteligenciju, dok će napredniji AI ubrzavati otkrića u astronomiji, hemiji, nauci o materijalima, matematici i fizici.

„Razvijanjem promišljene strategije, MIT će biti u odličnoj poziciji da predvodi i iskoristi prednosti predstojećih talasa inovacija u oblasti veštačke inteligencije“, zaključio je Thaler.