Pada sore hari tanggal 9 Oktober waktu Beijing, Akademi Ilmu Pengetahuan Kerajaan Swedia memutuskan untuk menganugerahkan Hadiah Nobel Kimia 2024 kepada tiga ilmuwan. Di antara mereka, dua peraih Nobel, Demis Hassabis dan John M. Jumper, berasal dari Google DeepMind. Mereka menggunakan model AI AlphaFold2 untuk meneruskan urutan asam amino dengan akurasi lebih dari 90%. Memprediksi 200 juta struktur protein yang diketahui umat manusia.
Bukan suatu kebetulan. Sebelumnya pada tanggal 8, Hadiah Nobel Fisika 2024 juga dianugerahkan kepada dua ilmuwan di bidang AI: John J. Hopfield, seorang profesor di Universitas Princeton di Amerika Serikat, dan Jeffrey Hinton, seorang profesor di Universitas Toronto di Amerika Serikat. Kanada. (Geoffrey E. Hinton), atas penemuan dan penemuan mendasar mereka dalam mewujudkan pembelajaran mesin melalui jaringan saraf tiruan.
Jelas sekali, tahun ini telah menjadi "tahun AI" untuk Hadiah Nobel, dan hadiah fisika dan kimia diberikan kepada karya terkait AI. Lantas, apakah ini berarti AI sudah bisa menggantikan pekerjaan ilmuwan? Mengapa pemenang tahun ini memenangkan hadiah di bidang kimia daripada fisiologi atau kedokteran? Mengenai gelembung AI, terutama pengembalian industri perangkat lunak AI yang lebih rendah dari yang diharapkan, seberapa jauh jaraknya dari teknologi ke aplikasi dan menghasilkan keuntungan positif?
Dalam hal ini, Aplikasi Titanium Media mengadakan dialog dan pertukaran eksklusif dengan banyak pakar termasuk Alex Zhavoronkov, pendiri dan CEO InSilico Medicine, dan Profesor Dou Dejing, kepala ilmuwan Nortel Digital Intelligence.
Bagaimana mengartikan “Tahun AI” tahun ini sebagai Hadiah Nobel? Dalam hal ini, Zhang Hongjiang, ketua pendiri Institut Penelitian Kecerdasan Buatan Zhiyuan Beijing dan akademisi asing dari American Academy of Engineering, mengatakan dalam video yang diperlihatkan kepada Aplikasi TMTpost bahwa AI sebenarnya memainkan peran yang sangat penting dalam penelitian ilmiah dan penelitian fisik. Kali ini keduanya Penghargaan ini memang pantas diterima. “Saya pikir ini adalah pengakuan yang sangat baik terhadap potensi AI di masa depan. Saya percaya bahwa fisika masa depan juga tidak dapat dipisahkan dari AI.”
"Hinton menggunakan RBM untuk melakukan pra-pelatihan mandiri DNN pada tahun 2006 dan berhasil melatih jaringan saraf dalam. Dapat dikatakan bahwa ini adalah cikal bakal putaran revolusi AI ini. Jaringan Hopfield meletakkan dasar bagi Zhang Hongjiang." mengatakan bahwa kedua orang tersebut sebenarnya sangat berhubungan dengan fisika. Selain itu, sangat penting bahwa Hadiah Nobel yang diberikan pada bidang pembelajaran mesin jaringan benar-benar merupakan pengakuan dan harapan akan pentingnya AI atau pembelajaran mesin berbasis jaringan saraf.
Matt Strassler, ahli fisika teoretis di Universitas Harvard, berkata, "Penelitian Hopfield dan Hinton bersifat interdisipliner, mengintegrasikan fisika, matematika, ilmu komputer, dan ilmu saraf. Dalam hal ini, penelitian ini milik semua bidang."
Profesor Dou Dejing, kepala ilmuwan Nortel Digital Intelligence, mengatakan kepada TMTpost App bahwa pertama-tama, Hadiah Nobel Kimia tahun ini dianugerahkan kepada DeepMind Hassabis dan Qiaopu. “Kontribusi mereka terhadap prediksi struktur protein” memang sangat diperlukan meramalkan struktur kompleks protein dengan biaya rendah dan biaya rendah, yang sebelumnya memakan waktu dan tenaga bagi para ilmuwan biologi untuk mendapatkannya, dan mendorong perubahan dalam model penelitian biologi pengakuan atas kontribusi AI oleh seluruh komunitas ilmiah. Sejak lahirnya ChatGPT, AI telah berkembang pesat selama dua tahun dan semakin cepat. Meskipun belum mencapai realisasi komersial yang besar, namun telah memberikan banyak dampak pada semua lapisan masyarakat, terutama komunitas ilmiah. Hadiah fisika ini diberikan kepada Hopfield dan Hinton sebagai pengakuan atas penemuan mendasar dan penemuan mereka yang mempromosikan penggunaan jaringan saraf tiruan untuk pembelajaran mesin. Inti dari penghargaan ini adalah penerapan prinsip dasar fisika pada bidang jaringan saraf AI.
Namun, Dou Dejing percaya bahwa “kontribusi AI terhadap fisika itu sendiri tidak cukup jelas.”
Dia memperkenalkan bahwa salah satu kontribusi AI di masa lalu kepada komunitas fisika adalah pada tahun 2017, ketika para astronom menggunakan teknologi visi komputer untuk membantu memproses foto lubang hitam pertama yang diambil umat manusia. Meski kemajuan teknologi model skala besar yang sedang booming dalam dua tahun terakhir juga mengandalkan disiplin ilmu dasar seperti matematika, statistika, informatika, dan fisika, Hinton terkejut ketika Hadiah Nobel Fisika tidak diberikan kepada Hinton mengharapkan hal itu terjadi.
Dou Dejing menekankan kepada TMTpost App, “Singkatnya, matematika, statistik, fisika, dan informatika adalah dasar dari ilmu komputer. Teori-teori dasar ini membantu perkembangan ilmu komputer dan AI dan juga merupakan dasar dari AI Hal ini belum benar-benar mempengaruhi prinsip-prinsip dasar fisika dan membantu perkembangan fisika. Di masa depan, seiring dengan terus ditemukannya zat dan teori baru, kami berharap AI akan lebih sering berinteraksi dengan fisika dan disiplin ilmu dasar lainnya selain fisika dan kimia, Hadiah Nobel di bidang biomedis juga dapat mengakui kontribusi para pakar AI.”
Alex Zhavoronkov, pendiri dan CEO Insilicon Intelligence, mengatakan kepada TMTpost App bahwa AI memiliki dampak besar pada sains dan teknologi dan akan mengubah semua aspek kehidupan manusia.
“Saya pikir komite Nobel menyadari hal ini dan harus melampaui batas untuk mengakui perubahan besar ini.” Alex mengatakan ada banyak fakta yang tidak biasa dalam penghargaan tahun ini. Pertama, AI sebagian besar adalah matematika. John McCarthy, Alan Turing, Marvin Minsky, Allen Newell, HerBERT A. Simon), Nathaniel Rochester, dan Claude Shannon sebagian besar adalah matematikawan dan insinyur. Ketika Hadiah Nobel pertama kali diperkenalkan, tidak ada ilmu komputer atau kecerdasan buatan sebagai disiplin ilmu yang terpisah. Jadi untuk jaringan saraf dalam, mereka harus mengklasifikasikan AI sebagai fisika, dan AlphaFold diharapkan memenangkan Hadiah Nobel.
Dalam pandangan Alex, Hadiah Nobel akan menginspirasi lebih banyak orang, dan nilai jaringan saraf bagi industri sangatlah besar.
“Banyak tugas yang sangat sederhana telah diambil alih oleh AI. Bahkan di Insilico, kami telah mengganti banyak pekerjaan anotasi, penulisan, dan bahkan pengkodean dengan AI, dan harus melatih kembali dan meningkatkan keterampilan banyak karyawan kami yang menyiapkan data. . Manfaat ekonominya belum terasa, namun hal ini terasa. Dan tidak ada yang lebih besar daripada dampak penemuan obat. Sejak mengumpulkan dana besar pertama pada tahun 2019, Insilico sendiri telah berhasil menominasikan 19 kandidat obat praklinis, dan memajukan sembilan proyek. klinik., dan lulus uji coba Tahap II. Biasanya, perusahaan farmasi besar mencalonkan 5-7 kandidat obat praklinis setiap tahunnya, dan memiliki lebih banyak sumber daya - dengan AI, sebuah perusahaan memiliki lebih banyak keuntungan dalam penemuan obat Sebagian besar negara belum pernah mencalonkan PCC. Namun berkat AI dan kekuatan Tiongkok, Anda sebenarnya dapat melakukannya tanpa menghabiskan waktu puluhan tahun untuk melatih ilmuwan lokal. Dampak AI pada industri ini dapat dirasakan, seperti halnya Internet atau jejaring sosial - pemenangnya sedikit, mungkin 2-3,” kata Alex.
Shen Qi, seorang profesor pengajar tetap di Sekolah Kimia dan Teknik Kimia di Universitas Shanghai Jiao Tong, mengatakan bahwa dengan munculnya AI, keakuratan dan efisiensi prediksi protein telah ditingkatkan secara luar biasa, sehingga memecahkan masalah ilmiah utama yang menjadi masalah bagi para ahli kimia. selama bertahun-tahun dan menjadi pilihan populer bagi sebagian besar ahli kimia. Sebuah alat yang ampuh di tangan para peneliti ilmiah, penghargaan ini memang layak diterima.
Faktanya, sejak Hadiah Nobel pertama kali diberikan pada tahun 1901, Hadiah Nobel sering kali menekankan dampak penelitian terhadap masyarakat dan memberikan penghargaan pada penemuan-penemuan praktis, bukan sekadar sains murni. Penghargaan tahun ini bukanlah hal yang aneh dalam hal ini, karena terkadang penghargaan tersebut diberikan kepada proyek-proyek teknik yang sangat luar biasa. Ini termasuk bidang laser dan PCR.
Dapat dipahami bahwa Hadiah Nobel Fisika dan Kimia tahun 2024 akan berbagi total hadiah tunggal sebesar 11 juta kronor Swedia (sekitar RMB 7,4446 juta).
Meskipun Hadiah Nobel tahun ini telah diumumkan, terdapat kontroversi mengenai topik "apakah kegilaan AI generatif telah membentuk sebuah gelembung."
Menurut siklus teknologi Gartner, AI telah melewati puncak ekspektasi berlebihan dan akan memasuki jurang kekecewaan. Laporan tersebut memperkirakan bahwa pada tahun 2025, 30% proyek AI saat ini akan ditinggalkan setelah konsepnya terbukti. Pada saat yang sama, banyak proyek AI akan gagal karena kualitas data yang buruk, pengendalian risiko yang tidak memadai, nilai bisnis yang tidak jelas, atau kenaikan biaya.
Gartner menunjukkan bahwa penerapan proyek AI generatif dapat menghabiskan biaya jutaan dolar dan menimbulkan biaya berkelanjutan yang signifikan. Misalnya, peluncuran asisten virtual AI generasi baru mungkin memerlukan biaya $5 juta hingga $6,5 juta, dengan pengeluaran anggaran berulang tahunan sebesar $8.000 hingga $11.000 per pengguna.
Dalam hal ini, Alex mengatakan kepada TMTpost Media App bahwa dalam jangka pendek, AI seperti banyak gelembung teknologi lainnya (AI generatif) adalah sebuah gelembung. Banyak perusahaan berkualitas rendah menerima pendanaan dan bahkan beberapa profesor universitas tingkat rendah menerima dana untuk startup baru dan kini berjuang untuk menciptakan produk atau pendapatan.
Dou Dejing mengatakan kepada TMTpost App, “ Kami percaya bahwa AI saat ini belum mampu membantu perusahaan mencapai keuntungan ekonomi. Meskipun beberapa perusahaan perangkat lunak sekarang menggunakan kopilot untuk memprogram secara otomatis, yang dapat menghemat waktu dan sejumlah biaya pemrogram, hal ini belum memungkinkan. . Gunakan AI untuk sepenuhnya menggantikan programmer. Selain itu, keuntungan AI saat ini lebih rendah dari yang diharapkan karena biaya operasional industri model besar terlalu tinggi. Dibutuhkan beberapa bulan dan ribuan kartu untuk melatih sebuah model, bahkan jika ada keuntungan model. , itu juga akan memakan waktu yang sangat lama untuk membayar kembali biayanya.”
Dalam pandangan Dou Dejing, ini seperti kemunculan mesin pencari saat itu, yang memberikan akses informasi yang lebih baik kepada semua orang. Namun saat itu, dia juga memikirkan model pengembalian monetisasi. Kemudian, dia mengandalkan iklan untuk mendapatkan keuntungan model. Saat ini, belum ada model keuntungan yang serupa dengan periklanan di bidang AI. Saat ini masih belum jelas apakah OpenAI akan mampu mencapai profitabilitas dengan beriklan di platformnya di masa depan. Bagaimanapun, aktivitas pengguna harian perusahaan model besar jauh lebih rendah dibandingkan mesin pencari seperti Google, dan model keuntungan seperti periklanan. diperlukan.
Namun, dari permodalan hingga perusahaan itu sendiri, pasar sedang berubah, dan perusahaan-perusahaan di bidang model besar mempercepat implementasi aplikasi dan bekerja keras untuk mendapatkan pendapatan.
Menurut Dou Dejing, sebagai perusahaan milik negara yang berbasis AI, Nortel Digital Intelligence memecahkan cara memanfaatkan berbagai sumber daya komputasi yang ada secara efektif dalam lanskap kompetitif sumber daya komputasi saat ini untuk meningkatkan daya saing inti industri AI sekaligus mengurangi penggunaan perusahaan. . Ambang batas kekuatan komputasi AI dan membantu perkembangan industri AI.
Secara khusus, Nortel Digital Intelligence menggunakan teknologi inti Adaptasi Hunyuan untuk menggunakan chip domestik secara lebih efisien untuk memproses berbagai jenis data, sekaligus memastikan keamanan data dan kinerja model, dan mendorong realisasi chip domestik dari Perubahan yang "dapat digunakan" menjadi "mudah digunakan". Pada saat yang sama, penerapan AI secara luas memerlukan inovasi tidak hanya dalam teknologi itu sendiri, namun juga dalam proses, sistem, dan organisasi; selain itu, Nortel Digital sedang membangun lini produksi untuk era AI dan mendorong pembangunan infrastruktur Selain lapisan daya komputasi yang bekerja sama dengan chip domestik, lapisan model memberikan dukungan universal untuk model dasar arus utama dan model sumber terbuka. Lapisan data menciptakan ruang data tepercaya dan matriks model vertikal untuk industri sensitif juga dilengkapi dengan display pameran, ruang Roadshow, laboratorium, seminar terbuka dan tertutup, dll, mempercepat perkembangan industri, menjadikan AI tersedia dan mempercepat datangnya era AI.
Alex mengatakan bahwa saat ini di bidang AI, hanya sedikit startup yang dapat mencapai skala dan kemampuan industri - OpenAI melakukan pekerjaan dengan baik dalam inferensi, Insilico melakukan pekerjaan dengan baik dalam penemuan obat, tetapi perusahaan seperti Google, Microsoft , Amazon , dan Meta Perusahaan besar memegang semua kunci aplikasi industri arus utama. Sisi positifnya, dalam hal pengembangan obat, kami melihat Insilico mendorong penyelesaian studi klinis Fase II pertama dari obat yang seluruhnya dihasilkan oleh AI, "Saya bangga bahwa ini telah selesai di Tiongkok, dan jika kita berhasil beruntung Jika demikian, ini mungkin obat AI pertama yang disetujui di dunia.”
Berdasarkan informasi laporan keuangan yang disampaikan Yingsi Intelligent ke Bursa Efek Hong Kong pada Juni tahun ini, pendapatan Yingsi Intelligent pada tahun 2021 dan 2022 masing-masing sebesar US$4,713 juta dan US$30,147 juta, terutama dari layanan penelitian dan pengembangan medis. Di masa depan, Insilico akan memperluas kombinasi AI, real estat, dan layanan kesehatan, dan Alex menunjukkan bahwa perusahaan tersebut bekerja sama dengan beberapa perusahaan real estat terkemuka.
Menurut data penelitian industri, pengeluaran litbang farmasi global meningkat dari US$165,2 miliar menjadi US$217,9 miliar dari tahun 2017 hingga 2021, dengan tingkat pertumbuhan gabungan sebesar 7,9% selama periode tersebut. Skala pengeluaran diperkirakan akan meningkat dari US$242,1 miliar menjadi US$313 miliar dari tahun 2022 hingga 2026, dengan tingkat pertumbuhan gabungan sebesar 6,9% selama periode tersebut.
“Saya pikir 50% kesuksesan disebabkan oleh AI generatif yang sangat kuat, dan 50% disebabkan oleh talenta, kapabilitas, dan etos kerja Tiongkok yang berkualitas tinggi. Saya pikir gelombang produktivitas terbesar berikutnya yang akan kita lihat dalam AI adalah di Tiongkok .." kata Alex.