Muita coisa mudou nos 15 anos desde que Kaiming foi um estudante de doutorado.
“Quando você está em seu estágio de doutorado, há um muro alto entre diferentes disciplinas e assuntos, e havia até um muro alto na ciência da computação”, diz ele. “O cara sentado ao meu lado poderia estar fazendo coisas que eu não conseguia entender completamente.”
Nos sete meses desde que ingressou no MIT Schwarzman Faculty of Computing como o Professor de Tecnologia de Desenvolvimento de Software program de Douglas Ross (1954) no Departamento de Engenharia Elétrica e Ciência da Computação, ele diz que está experimentando algo que, em sua opinião, é “muito raro na história científica humana ” – uma redução das paredes que se expandem em diferentes disciplinas científicas.
“Não há como eu entender a física de alta energia, a química ou a fronteira da pesquisa de biologia, mas agora estamos vendo algo que pode nos ajudar a quebrar essas paredes”, diz ele, “e essa é a criação de um linguagem comum que foi encontrada na IA. ”
Construindo a ponte da AI
Segundo ele, essa mudança começou em 2012 após a “Revolução da Aprendizagem Deep”, um ponto em que se percebeu que esse conjunto de métodos de aprendizado de máquina baseado em redes neurais period tão poderoso que poderia ser usado em maior uso.
“Nesse ponto, a visão computacional – ajudando os computadores a ver e perceber o mundo como se fossem seres humanos – começou a crescer muito rapidamente, porque, como se vê, você pode aplicar essa mesma metodologia a muitos problemas diferentes e muitas áreas diferentes”, diz Ele. “Portanto, a comunidade de visão computacional cresceu rapidamente, porque esses diferentes subtópicos agora eram capazes de falar um idioma comum e compartilhar um conjunto comum de ferramentas”.
A partir daí, ele diz que a tendência começou a se expandir para outras áreas da ciência da computação, incluindo processamento de linguagem pure, reconhecimento de fala e robótica, criando a base para o ChatGPT e outros progressos em direção à inteligência geral synthetic (AGI).
“Tudo isso aconteceu na última década, levando -nos a uma nova tendência emergente pela qual estou realmente ansioso, e isso está assistindo a metodologia da IA propagando outras disciplinas científicas”, diz ele.
Um dos exemplos mais famosos, diz ele, é Alphafold, um programa de inteligência synthetic desenvolvido pelo Google DeepMind, que realiza previsões de estrutura de proteínas.
“É uma disciplina científica muito diferente, um problema muito diferente, mas as pessoas também estão usando o mesmo conjunto de ferramentas de IA, a mesma metodologia para resolver esses problemas”, diz ele, “e acho que esse é apenas o começo”.
O futuro da IA na ciência
Desde que chegou ao MIT em fevereiro de 2024, ele diz que conversou com professores em quase todos os departamentos. Alguns dias ele se encontra conversando com dois ou mais professores de origens muito diferentes.
“Eu certamente não entendo completamente sua área de pesquisa, mas eles apenas introduzirão algum contexto e então podemos começar a falar sobre aprendizado profundo, aprendizado de máquina e (e) modelos de rede neural em seus problemas”, diz ele. “Nesse sentido, essas ferramentas de IA são como uma linguagem comum entre essas áreas científicas: as ferramentas de aprendizado de máquina ‘traduzem’ sua terminologia e conceitos em termos que eu posso entender, e então posso aprender seus problemas e compartilhar minha experiência e, às vezes, Propor soluções ou oportunidades para eles explorarem. ”
A expansão para diferentes disciplinas científicas tem um potencial significativo, desde o uso da análise de vídeo até prever tendências climáticas e climáticas para acelerar o ciclo de pesquisa e reduzir os custos em relação à nova descoberta de medicamentos.
Enquanto as ferramentas de IA oferecem um benefício claro para o trabalho dos colegas dos cientistas, ele também observa o efeito recíproco que eles podem ter e tiveram, na criação e avanço da IA.
“Os cientistas fornecem novos problemas e desafios que nos ajudam a continuar evoluindo essas ferramentas”, diz ele. “Mas também é importante lembrar que muitas das ferramentas de IA de hoje decorrem de áreas científicas anteriores – por exemplo, as redes neurais artificiais foram inspiradas em observações biológicas; Modelos de difusão para geração de imagens foram motivados a partir do termo física. ”
“A ciência e a IA não são assuntos isolados. Estamos abordando o mesmo objetivo de diferentes perspectivas e agora estamos nos reunindo. ”
E que lugar melhor para eles se unirem do que o MIT.
“Não é de surpreender que o MIT possa ver essa mudança antes de muitos outros lugares”, diz ele. “(O MIT Schwarzman Faculty of Computing) criou um ambiente que conecta pessoas diferentes e permite que elas se sentem juntas, conversem juntas, trabalhem juntas, trocam suas idéias, enquanto falam o mesmo idioma – e estou vendo que isso começar a acontecer”.
Em termos de quando as paredes serão totalmente mais baixas, ele observa que este é um investimento de longo prazo que não acontecerá da noite para o dia.
“Décadas atrás, os computadores eram considerados de alta tecnologia e você precisava de conhecimento específico para entendê -los, mas agora todo mundo está usando um computador”, diz ele. “Espero que em 10 anos ou mais, todos usem algum tipo de IA de alguma forma para sua pesquisa – são apenas as ferramentas básicas, o idioma básico e podem usar a IA para resolver seus problemas”.