Mucho ha cambiado en los 15 años desde que Kaiming fue estudiante de doctorado.
«Cuando estás en tu etapa de doctorado, hay un muro alto entre diferentes disciplinas y temas, e incluso había un muro alto dentro de la informática», dice. «El tipo sentado a mi lado 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 Desarrollo de Carreras de Douglas Ross (1954) de tecnología de software en el Departamento de Ingeniería Eléctrica e Informática, dice que está experimentando algo 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 alta energía, la química o la frontera de la investigación de biología, pero ahora estamos viendo algo que puede ayudarnos a romper estas paredes», dice, «y esa es la creación de un lenguaje común que se ha encontrado en la IA «.
Construyendo el puente AI
Según él, este cambio comenzó en 2012 a raíz de la «Revolución del aprendizaje profundo», un punto en el que se dio cuenta de que este conjunto de métodos de aprendizaje automático basado en redes neuronales era tan poderosa que podría ser un mayor 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 realmente porque estos subtópicos diferentes ahora podían hablar un idioma 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 de voz y la robótica, creando las bases para ChatGPT y otros progresos 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 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 programa de inteligencia artificial 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 también están usando el mismo conjunto de herramientas de IA, la misma metodología para resolver estos problemas», 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 presentarán algún contexto y luego podemos comenzar a hablar sobre el aprendizaje profundo, el aprendizaje automático, [and] 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 Proponga soluciones u oportunidades para que exploren «.
Expandirse a diferentes disciplinas científicas tiene un potencial significativo, desde el uso del análisis de video para predecir las tendencias climáticas y climáticas hasta acelerar el ciclo de investigación y reducir los costos en relación con el nuevo descubrimiento de fármacos.
Si bien las herramientas de IA proporcionan un beneficio claro para el trabajo de sus colegas científicos, también señala el efecto recíproco 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 también es importante recordar 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 generación 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 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, hablar juntos, trabajar juntos, intercambiar sus ideas, mientras habla el mismo idioma, y veo que esto comienza a suceder «.
En términos de cuándo disminuirán las paredes, señala que esta es una inversión a largo plazo que no ocurrirá de la noche a la mañana.
«Hace décadas, las computadoras se consideraban de alta tecnología y necesitaba un conocimiento específico para comprenderlas, pero ahora todos están usando una computadora», dice. «Espero que en 10 años o más, todos usen algún tipo de IA de alguna manera para su investigación: son solo sus herramientas básicas, su lenguaje básico y pueden usar IA para resolver sus problemas».
