El nuevo miembro de la facultad Kaiming He discute el papel de AI a reducir las barreras entre los campos científicos y fomentar la colaboración entre las disciplinas científicas.
Mucho ha cambiado en los 15 años desde que Kaiming era un estudiante de doctorado.
“Cuando estás en tu etapa de Doctorado, hay un muro alto entre diferentes disciplinas y materias, e incluso había un muro alto dentro de la informática,” dice. “El tipo sentado a mi lado podría estar haciendo cosas que completamente no podía entender.”
En los siete meses transcurridos desde que se unió al MIT Schwarzman College of Computing como el Douglas Ross (1954) Profesor de Desarrollo de Carrera de Tecnología de Software en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación, dice que está experimentando algo que en su opinión es “muy raro en la historia científica humana” — un descenso de las paredes que se expande a través de diferentes disciplinas científicas.
“No hay forma de que pueda entender la física de alta energía, la química o la frontera de la investigación en biología, pero ahora estamos viendo algo que puede ayudarnos a romper estos muros,” dice, “y esa es la creación de un lenguaje común que se ha encontrado en AI.”
Construyendo el puente de IA
Según He, este cambio comenzó en 2012 a raíz de la revolución “deep learning,” un punto en el que se dio cuenta de que este conjunto de métodos de aprendizaje automático basados en redes neuronales era tan poderoso que podría ser utilizado en mayor medida.
“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 puedes aplicar esta misma metodología a muchos problemas diferentes y muchas áreas diferentes,” dice Él. “Así que la comunidad de visión por computadora creció rápidamente porque estos diferentes subtemas ahora podían hablar un lenguaje común y compartir un conjunto común de herramientas.”
A partir de ahí, dice que la tendencia comenzó a expandirse a otras áreas de la informática, incluido el procesamiento del lenguaje natural, el reconocimiento del habla y la robótica, creando la base para ChatGPT y otros avances hacia la inteligencia general artificial (AGI).
“Todo esto ha sucedido en la última década, lo que nos lleva a una nueva tendencia emergente que realmente espero, y que está viendo la metodología de IA propagar otras disciplinas científicas,” dice.
Uno de los ejemplos más famosos, dice, es AlphaFold, un programa de inteligencia artificial desarrollado por Google DeepMind, que realiza predicciones de la estructura de la proteína.
“Es una disciplina científica muy diferente, un problema muy diferente, pero la gente también está utilizando el mismo conjunto de herramientas de IA, la misma metodología para resolver estos problemas,” Él dice, “y creo que eso es solo el comienzo.”
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 área de investigación, pero solo introducirán algún contexto y luego podremos comenzar a hablar sobre aprendizaje profundo, aprendizaje automático, [y] modelos de redes neuronales en sus problemas,” dice. “En este sentido, estas herramientas de IA son como un lenguaje común entre estas áreas científicas: las herramientas de aprendizaje automático ‘traducen’ su terminología y conceptos en términos que puedo entender, y luego puedo aprender sus problemas y compartir mi experiencia, y a veces proponer soluciones u oportunidades para que exploren.”
La expansión a diferentes disciplinas científicas tiene un potencial significativo, desde el uso de análisis de video para predecir las tendencias climáticas y climáticas hasta acelerar el ciclo de investigación y reducir los costos en relación con el descubrimiento de nuevos medicamentos.
Si bien las herramientas de IA proporcionan un beneficio claro para el trabajo de los colegas científicos de Heas, también señala el efecto recíproco que pueden tener, y han tenido, en la creación y el avance de la IA.
“Los científicos proporcionan nuevos problemas y desafíos que nos ayudan a continuar evolucionando estas herramientas,” dice Él. “Pero también es importante recordar que muchas de las herramientas de IA actuales provienen de áreas científicas anteriores —, por ejemplo, las redes neuronales artificiales se inspiraron en observaciones biológicas; los modelos de difusión para la generación de imágenes se motivaron a partir del término físico.”
“La ciencia y la IA no son sujetos aislados. Hemos estado acercándonos al mismo objetivo desde diferentes perspectivas, y ahora nos estamos juntando.”
Y qué mejor lugar para que se unan que el MIT.
“No es sorprendente que el MIT pueda ver este cambio antes que muchos otros lugares,” dice. “[The MIT Schwarzman College of Computing] creó un entorno que conecta a diferentes personas y les permite sentarse juntos, hablar juntos, trabajar juntos, intercambiar sus ideas, mientras hablan el mismo idioma — e Iimm viendo que esto comienza a suceder.”
En términos de cuándo los muros se reducirán por completo, señala que esta es una inversión a largo plazo que no ocurrirá de la noche a la mañana.
“Décadas atrás, las computadoras se consideraban de alta tecnología y necesitabas conocimientos específicos para entenderlas, pero ahora todo el mundo está usando una computadora,” Él dice. “Espero que en 10 o más años, todos usarán algún tipo de IA de alguna manera para su investigación — es solo sus herramientas básicas, su lenguaje básico y pueden usar IA para resolver sus problemas. MIT News. K. P. Traducido al español
Contacto