Umjetna inteligencija, nekad carstvo znanstvene fantastike, zauzela je svoje mjesto na vrhuncu znanstvenih dostignuća u Švedskoj. Na povijesnoj ceremoniji u Konserthusetu u Stockholmu, John Hopfield i Geoffrey Hinton primili su Nobelovu nagradu za fiziku za svoj pionirski rad na neuralnim mrežama.
U međuvremenu, Demis Hassabis i John Jumper prihvatili su Nobelovu nagradu za kemiju za Google DeepMindov AlphaFold, sustav koji je riješio nemoguć problem biologije: predviđanje strukture proteina, podvig s dubokim implikacijama na medicinu i biotehnologiju. Ova postignuća nadilaze akademski prestiž. Označavaju početak ere u kojoj sustavi umjetne inteligencije pokretani GPU-om rješavaju probleme koji su se nekoć smatrali nerješivima, revolucionirajući industrije vrijedne više trilijuna dolara, od zdravstva do financija.
U 1980-ima, Hopfield, fizičar sa smislom za postavljanje velikih pitanja, donio je novu perspektivu neuronskim mrežama. Uveo je energetske pejzaže, posuđene iz fizike, kako bi objasnio kako neuronske mreže rješavaju probleme pronalaženjem stabilnih niskoenergetskih stanja. Njegove ideje, apstraktne, ali elegantne, postavile su temelje umjetnoj inteligenciji pokazujući kako se složeni sustavi sami optimiziraju. Brzo naprijed do ranih 2000-ih, kada je Geoffrey Hinton, britanski kognitivni psiholog sklon radikalnim idejama, preuzeo palicu. Hinton je vjerovao da bi neuronske mreže mogle revolucionirati umjetnu inteligenciju, ali obuka tih sustava zahtijeva ogromnu računalnu snagu.
Godine 1983. Hinton i Sejnowski nadogradili su Hopfieldov rad i izumili Boltzmannov stroj koji je koristio stohastičke binarne neurone za iskakanje iz lokalnih minimuma. Otkrili su elegantan i vrlo jednostavan postupak učenja temeljen na statističkoj mehanici koji je bio alternativa povratnom širenju. U 2006. pojednostavljena verzija ovog postupka učenja pokazala se vrlo učinkovitom u inicijalizaciji dubokih neuronskih mreža prije njihovog treniranja s povratnim širenjem. Međutim, treniranje ovih sustava i dalje zahtijeva ogromnu računalnu snagu.
Desetljeće nakon AlexNeta, AI se preselio u biologiju. Hassabis i Jumper vodili su razvoj AlphaFolda kako bi riješili problem koji je godinama zbunjivao znanstvenike: predviđanje oblika proteina. Proteini su građevni blokovi života. Njihovi oblici određuju što mogu učiniti. Razumijevanje ovih oblika ključ je borbe protiv bolesti i razvoja novih lijekova. Međutim, njihovo pronalaženje bilo je sporo, skupo i nepouzdano.
AlphaFold je to promijenio. Koristio je Hopfieldove ideje i Hintonove mreže za predviđanje oblika proteina sa zapanjujućom točnošću. Pokretan GPU-om, mapirao je gotovo svaki poznati protein. Sada znanstvenici koriste AlphaFold za borbu protiv otpornosti na lijekove, izradu boljih antibiotika i liječenje bolesti koje su se nekad smatrale neizlječivima. Ono što je nekoć bio gordijski čvor biologije razmrsila je umjetna inteligencija.
Proboji 2024. koji su dobili Nobelovu nagradu nisu samo prepisivanje udžbenika, oni optimiziraju globalne opskrbne lance, ubrzavaju razvoj lijekova i pomažu poljoprivrednicima da se prilagode klimatskim promjenama. Hopfieldova načela optimizacije temeljena na energiji sada informiraju logističke sustave koje pokreće AI. Hintonove arhitekture podupiru samovozeće automobile i jezične modele poput ChatGPT-a. Uspjeh AlphaFolda nadahnjuje pristupe modeliranju klime, održivoj poljoprivredi, pa čak i znanosti o materijalima vođene umjetnom inteligencijom. Prepoznavanje umjetne inteligencije u fizici i kemiji signalizira promjenu u načinu na koji razmišljamo o znanosti. Ovi alati više nisu ograničeni na digitalno područje. Oni preoblikuju fizički i biološki svijet.