A 2024-es fizikai és kémiai Nobel-díjakat is olyan tudósoknak ítélték oda, akik úttörő módon járultak hozzá a mesterséges intelligencia területéhez, különösen a neurális hálózatok és a fehérjeszerkezet-előrejelzés területén. 

Fizika Nobel-díj

A neurális hálózatok és mélytanulás terén John J. Hopfield és Geoffrey E. Hinton végeztek később áttörő jelentőségűvé váló kutatói munkát, és ezért az eredményeikért kapták most az elismerést. Hopfield olyan hálózatot hozott létre, amely képes volt (adat)mintázatokat felismerni, tárolni és előhívni, megteremtve ezzel az asszociatív memóriamodellek alapjait – a ChatGPT is ennek késői leszármazottjának tekinthető. Hinton pedig bevezette a „backpropagation” fogalmát, amely a neurális hálózatok képzésének kulcsfontosságú algoritmusa. Ez tulajdonképpen egy grádiensbecslési módszer, a hálózati paraméterek frissítésére.  A mély tanulással kapcsolatos munkája jelentős előrelépésekhez vezetett olyan területeken, mint a számítógépes látás, a természetes nyelvfeldolgozás és a beszédfelismerés – e területek szinte mindegyike érintett az orvostudományban is.  

Kémiai Nobel-díj 

David Baker, Demis Hassabis és John Jumper a fehérjék szerkezetének előrejelzéséhez és tervezéséhez való hozzájárulásukért kaptak kitüntetést. Baker módszereket dolgozott ki új, különleges tulajdonságokkal rendelkező fehérjék tervezésére, amelyeket például a gyógyszerkutatás is alkalmaz, Hassabis és Jumper pedig az elhíresült AlphaFoldot alkotta meg. Ez egy úttörő mesterséges intelligencia eszköz, amely figyelemreméltó pontossággal képes előrejelezni a fehérjék térbeli szerkezetét, forradalmasítva a biológiai megértését, és ami hatással volt a gyógyszertervezésre is.

Az AI-alapú eszközök felgyorsíthatják a gyógyszerkutatás folyamatát, hatalmas adatmennyiségek intelligens elemzésével azonosíthatják a potenciális gyógyszercélpontokat, valamint új molekulákat is tervezhetnek. Amint azt a LAM hasábjain már korábban is ismertettük, az MI-algoritmusok az orvosi képek, például röntgen-, MRI- és CT-felvételek elemzésével az emberi szakértőknél nagyobb pontossággal és gyorsasággal segíthetnek a kórismében, de az MI segíthet a kezelések személyre szabásában is, a betegek genetikája, kórtörténete és egyéb tényezők alapján.

(A szerző a LAM szerkesztőségének tagja.)