Die Nobelpreise 2024 markierten das erste Mal, dass Arbeiten, die direkt mit künstlicher Intelligenz und maschinellem Lernen verbunden sind, im selben Jahr von zwei getrennten Nobelkomitees anerkannt wurden – ein Ergebnis, das weithin als eine Form der wissenschaftlichen Legitimierung dieses Fachgebiets gelesen wurde. Der Nobelpreis für Physik wurde an Geoffrey Hinton und John Hopfield für grundlegende Arbeiten zu künstlichen neuronalen Netzen verliehen, während der Nobelpreis für Chemie an Demis Hassabis, John Jumper und David Baker für Arbeiten zur Vorhersage und zum Design von Proteinstrukturen vergeben wurde.
Physikpreis
Der Physikpreis würdigte Hopfields Entwicklung des Hopfield-Netzes im Jahr 1982, einer frühen Form assoziativer Speicher-Netzwerke, die auf Ideen aus der statistischen Physik aufbaute, sowie Hintons spätere Arbeit auf diesen Ideen, einschließlich der Boltzmann-Maschine und späteren Beiträgen zu Backpropagation und Deep learning im Allgemeinen. Die Wahl stieß auf einige öffentliche Diskussionen, da die gewürdigte Arbeit näher an der Informatik und maschinellem Lernen lag als an der konventionellen Physik, obwohl die Nobelkommission die Beiträge als in physikalischen Methoden zur Informationsverarbeitung verwurzelt darstellte. Hinton hatte Google 2023 verlassen, um freier über Risiken fortgeschrittener KI sprechen zu können, und nutzte seine Nobelvorlesung sowie spätere öffentliche Reden, um seine Bedenken zur AI-Sicherheit und zum Verlust von Kontrolle zu wiederholen.
Chemiepreis
Der Chemiepreis würdigte zwei zusammenhängende Errungenschaften: Bakers Arbeit an der computergestützten Gestaltung neuartiger Proteine sowie das bei Google DeepMind geleitete AlphaFold-Projekt, bei dem Demis Hassabis und John Jumper AlphaFold entwickelten, ein System, das die dreidimensionale Struktur von Proteinen aus der Aminosäuresequenz mit einer Genauigkeit vorhersagt, die lange als eine der großen Herausforderungen in der Strukturbiologie galt. AlphaFolds Vorhersagen sowie die zugehörige öffentliche Datenbank wurden dafür verantwortlich gemacht, die Forschung in Biologie und Medizin zu beschleunigen – von der Medikamentenentwicklung bis hin zum Design von Enzymen – und machten sie zu einer der konkretesten großangelegten wissenschaftlichen Anwendungen des tiefen Lernens auf ein Problem außerhalb der KI selbst.
Bedeutung
Zusammen wurden die beiden Preise weithin als eine Anerkennung dafür interpretiert, dass neuronale Netzwerk-Methoden, einst nur ein Nischen- und bisweilen marginalisiertes Teilgebiet, das mehrere KI-Winter überstand, zentral für die zeitgenösische Wissenschaft in der physikfernen Datenverarbeitungs- und Biologie-Bereich geworden sind, so wurden sie als zentrale geworden. Kommentatoren bemerkten die Symbolik, dass Hinton, ein führender Verfechter für die Ernstnahme des existenzialen KI-Risk durch fortgeschrittenere KI, und Hassabis, der Leiter eines der prominentesten kommerziellen Labone der Branche, im selben Zyklus Anerkennung ernteten, was die gleichzeitige wissenschaftliche Prestige des Fachgebiets und seine noch ungeklärten Sicherheitsdebatten verdeutlichte. Die Preise erneuerten auch die öffentlichsprachige Diskussion über die Grenzen traditioneller Nobelkategorien in einer Zeit, in reichtmputermethoden zunehmend die Entdeckungen in den Naturwissenschaften antreiben.