Mucho ha cambiado en los 15 primaveras desde que Kaiming fue estudiante de doctorado.
«Cuando estás en tu etapa de doctorado, hay un pared suspensión entre diferentes disciplinas y temas, e incluso había un pared suspensión adentro de la informática», dice. «El tipo sentado a mi flanco podría estar haciendo cosas que no podía entender por completo».
En los siete meses transcurridos desde que se unió al MIT Schwarzman College of Computing como el Profesor de Mejora de Carreras de Douglas Ross (1954) de tecnología de software en el Sección de Ingeniería Eléctrica e Informática, dice que está experimentando poco que en su opinión es «muy raro en la historia científica humana ”, una disminución de las paredes que se expande a través de diferentes disciplinas científicas.
«No hay forma de que pueda entender la física de suscripción energía, la química o la frontera de la investigación de biología, pero ahora estamos viendo poco que puede ayudarnos a romper estas paredes», dice, «y esa es la creación de un idioma popular que se ha enfrentado en la IA «.
Construyendo el puente AI
Según él, este cambio comenzó en 2012 a raíz de la «Revolución del educación profundo», un punto en el que se dio cuenta de que este conjunto de métodos de educación maquinal basado en redes neuronales era tan poderosa que podría ser un longevo uso.
«En este punto, la visión por computadora, ayudando a las computadoras a ver y percibir el mundo como si fueran seres humanos, comenzó a crecer muy rápidamente, porque resulta que puede aplicar esta misma metodología a muchos problemas diferentes y muchas áreas diferentes», dice. Él. «Por lo tanto, la comunidad de visión por computadora rápidamente creció verdaderamente porque estos subtópicos diferentes ahora podían departir un idioma popular y compartir un conjunto popular de herramientas».
A partir de ahí, dice que la tendencia comenzó a expandirse a otras áreas de la informática, incluido el procesamiento del idioma natural, el agradecimiento de voz y la robótica, creando las bases para ChatGPT y otros progresos en torno a la inteligencia normal químico (AGI).
«Todo esto ha sucedido en la última período, lo que nos llevó a una nueva tendencia emergente que verdaderamente estoy ansioso, y eso es ver la metodología de IA propague otras disciplinas científicas», dice él.
Uno de los ejemplos más famosos, dice, es Alfafold, un software de inteligencia químico desarrollado por Google Deepmind, que realiza predicciones de la estructura de proteínas.
«Es una disciplina científica muy diferente, un problema muy diferente, pero las personas además están usando el mismo conjunto de herramientas de IA, la misma metodología para resolver estos problemas», dice, «y creo que eso es solo el principio».
El futuro de la IA en la ciencia
Desde que llegó al MIT en febrero de 2024, dice que ha hablado con profesores en casi todos los departamentos. Algunos días se encuentra en conversación con dos o más profesores de orígenes muy diferentes.
«Ciertamente no entiendo completamente su ámbito de investigación, pero simplemente introducirán algún contexto y luego podemos comenzar a departir sobre el educación profundo, el educación maquinal, (y) modelos de redes neuronales en sus problemas», dice. “En este sentido, estas herramientas de IA son como un idioma popular entre estas áreas científicas: las herramientas de educación maquinal ‘traducen’ su terminología y conceptos en términos que puedo entender, y luego puedo ilustrarse sus problemas y compartir mi experiencia, y a veces Proponga soluciones u oportunidades para que exploren «.
Expandirse a diferentes disciplinas científicas tiene un potencial significativo, desde el uso del examen de video para predecir las tendencias climáticas y climáticas hasta acelerar el ciclo de investigación y acortar los costos en relación con el nuevo descubrimiento de fármacos.
Si proporcionadamente las herramientas de IA proporcionan un beneficio claro para el trabajo de sus colegas científicos, además señala el meta mutuo que pueden tener y han tenido, en la creación y avance de la IA.
«Los científicos proporcionan nuevos problemas y desafíos que nos ayudan a continuar evolucionando estas herramientas», dice él. “Pero además es importante memorar que muchas de las herramientas de IA de hoy en día provienen de áreas científicas anteriores, por ejemplo, las redes neuronales artificiales se inspiraron en observaciones biológicas; Los modelos de difusión para la vivientes de imágenes estaban motivados desde el término físico «.
“La ciencia y la IA no son temas aislados. Nos hemos acercado al mismo objetivo desde diferentes perspectivas, y ahora nos estamos reuniendo ”.
Y qué mejor lado para que se unan que el MIT.
«No es sorprendente que el MIT pueda ver este cambio ayer que muchos otros lugares», dice. «(El MIT Schwarzman College of Computing) creó un entorno que conecta a diferentes personas y les permite sentarse juntos, departir juntos, trabajar juntos, cambiar sus ideas, mientras deje el mismo idioma, y veo que esto comienza a suceder».
En términos de cuándo disminuirán las paredes, señala que esta es una inversión a holgado plazo que no ocurrirá de la incertidumbre a la mañana.
«Hace décadas, las computadoras se consideraban de suscripción tecnología y necesitaba un conocimiento específico para comprenderlas, pero ahora todos están usando una computadora», dice. «Espero que en 10 primaveras o más, todos usen algún tipo de IA de alguna guisa para su investigación: son solo sus herramientas básicas, su idioma fundamental y pueden usar IA para resolver sus problemas».