Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року)
Цього року Нобелівський комітет відзначив преміями відразу у двох номінаціях проривні досягнення, основані на поєднанні класичних наук і штучного інтелекту. Нобелівську премію з фізики присуджено американському науковцю Джону Дж. Гопфілду (John J. Hopfield) з Принстонського університету і британсько...
Saved in:
| Published in: | Вісник НАН України |
|---|---|
| Date: | 2024 |
| Main Authors: | , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Видавничий дім "Академперіодика" НАН України
2024
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/202144 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) / М.З. Згуровський, О.М. Хіміч // Вісник Національної академії наук України. - 2024. - № 12. - С. 17-26. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860127310151155712 |
|---|---|
| author | Згуровський, М.З. Хіміч, О.М. |
| author_facet | Згуровський, М.З. Хіміч, О.М. |
| citation_txt | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) / М.З. Згуровський, О.М. Хіміч // Вісник Національної академії наук України. - 2024. - № 12. - С. 17-26. — укр. |
| collection | DSpace DC |
| container_title | Вісник НАН України |
| description | Цього року Нобелівський комітет відзначив преміями відразу у двох номінаціях проривні досягнення, основані на поєднанні класичних наук і штучного інтелекту. Нобелівську премію з фізики присуджено американському науковцю Джону Дж. Гопфілду (John J. Hopfield) з Принстонського університету і британсько-канадському інформатику, когнітивному психологу Джеффрі Е. Гінтону (Geoffrey E. Hinton) з Університету Торонто за «фундаментальні відкриття та винаходи, що уможливлюють машинне навчання за допомогою штучних нейронних мереж». У номінації з хімії Нобелівську премію отримали троє дослідників: американський біохімік та комп’ютерний біолог Девід Бейкер (David Baker) за «комп’ютерний дизайн білків», а також представники компанії Google DeepMind британський фахівець із систем штучного інтелекту Деміс Гассабіс (D emis Hassabis) і американський хімік та інформатик Джон Джампер (John M. Jumper) за «прогнозування структури білка».
This year, the Nobel Committee awarded prizes in two nominations for breakthrough achievements based on the combination of classical sciences and artificial intelligence. The Nobel Prize in Physics was awarded to American scientist John J. Hopfield from Princeton University and British-Canadian computer scientist and cognitive psychologist Geoffrey E. Hinton from the University of Toronto for “foundational discoveries and inventions that enable machine learning with artificial neural networks”. In the chemistry, the Nobel Prize was awarded to three researchers: American biochemist and computational biologist David Baker for “computer-aided protein design” and leading specialists of Google DeepMind, British artificial intelligence researcher Demis Hassabis and American chemist and computer scientist John M. Jumper for “protein structure prediction.”
|
| first_indexed | 2025-12-07T17:43:17Z |
| format | Article |
| fulltext |
ISSN 1027-3239. Вісн. НАН України, 2024, № 12 17
ШТУЧНИЙ ІНТЕЛЕКТ:
ЗМІНА ПАРАДИГМИ
У ФУНДАМЕНТАЛЬНИХ НАУКАХ
Нобелівські премії з фізики і хімії 2024 року
Цього року Нобелівський комітет відзначив преміями відразу у двох номі-
націях проривні досягнення, основані на поєднанні класичних наук і штуч-
ного інтелекту. Нобелівську премію з фізики присуджено ам ериканському
науковцю Джону Дж. Гопфілду (John J. Hopfield) з Принстонського уні-
верситету і британсько-канадському і нформатику, когнітивному психо-
логу Джеффрі Е. Гінтону (Geoffrey E. Hinton) з Університету Торонто за
«фундаментальні відкриття та винаходи, що уможливлюють машинне
навчання за допомогою штучних нейронних мереж». У номінації з хімії Но-
белівську премію отримали троє дослідників: американський біохімік та
комп’ютерний біолог Девід Бейкер (David Baker) за «комп’ютерний дизайн
білків», а також представники компанії Google DeepMind британський
фахівець із систем штучного і нтелекту Деміс Гассабіс (D emis Hassabis) і
американський хімік та інфор матик Джон Джампер (John M. Jumper) за
«прогнозування структури білка».
Ключові слова: Нобелівська премія з фізики 2024 року, Нобелівська пре-
мія з хімії 2024 року, Джон Гопфілд, Джеффрі Гінтон, Девід Бейкер, Деміс
Гассабіс, Джон Джампер, штучний інтелект, штучні нейронні мережі, ма-
шинне навчання, прогнозування структури білка.
У 2024 р. одразу двома Нобелівськими премі ями — з фізики і з
хімії — було відзначено проривні досягнення, які символізують
нову еру в науці — еру, в якій поєднання класичних наук і штуч-
ного інтелекту (ШІ) стає вирішальним фактором для нових на-
укових проривів. Ці премії яскраво ілюструють, як інтеграція
фізики, хімії, біології та обчислювальних методів дозволяє в и-
рішувати проблеми, які раніше здавалися нерозв’язними.
У номінації з фізики Нобелівську премію отримали Джон
Гопфілд і Джеффрі Гінтон за фундаментальні роботи в галу-
зі штучних нейронних мереж, що ґрунтуються на фізичних
принципах термодинаміки і статистичної механіки. Як зазна-
чено у пресрелізі Нобелівського комітету, цьогорічні лауреати
використали інструменти фізики для розроблення методів, що
є основою сучасного потужного машинного навчання. Джон
ЗГУРОВСЬКИЙ
Михайло Захарович —
академік НАН України,
науковий керівник Навчально-
наукового комплексу «Інститут
прикладного системного
аналізу» НТУУ «Київський
політехнічний інститут імені
Ігоря Сікорського»
doi: https://doi.org/10.15407/visn2024.12.017
ХІМІЧ
Олександр Миколайович —
академік НАН України,
заступник директора Інституту
кібернетики імені В.М. Глушкова
НАН України, академік-секретар
Відділення інформатики
НАН України
18 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2024. (12)
СТАТТІ ТА ОГЛЯДИ
Гопфілд створив асоціативну пам’ять, яка
може зберігати й реконструювати зображення
та інші типи шаблонів у даних, а Джеффрі Гін-
тон винайшов метод, який дозволяє автономно
знаходити властивості в даних і в такий спосіб
ідентифікувати конкретні елементи на зобра-
женнях.
У галузі хімії Нобелівську премію отримали
Девід Бейкер, Деміс Гассабіс і Джон Джампер
за революційні здобутки в передбаченні біл-
кових структур за допомогою ШІ. Їхні досяг-
нення стали можливими завдяки поєднанню
законів квантової хімії, біофізики і машинного
навчання. Голова Нобелівського комітету з хі-
мії Хайнер Лінке у виступі на пресконференції
зазначив, що Девіду Бейкеру в 2003 р. «вдало-
ся використати амінокислотні блоки для ство-
рення абсолютно нового білка, який не схожий
на жоден інший відомий білок. Відтоді його
дослідницька група один за одним продуку-
вала нові білкові творіння, зокрема й ті білки,
які можна використовувати як фармацевтичні
препарати, вакцини, наноматеріали або кри-
хітні сенсори. Деміс Гассабіс і Джон Джампер
розробили модель штучного інтелекту для
вирішення проблеми, над якою вчені билися
вже більш як пів століття, — прогнозування
складних структур білків. У 2020 р. вони пре-
зентували ШІ-модель AlphaFold2, за допомо-
гою якої змогли передбачити структуру прак-
тично всіх 200 млн ідентифікованих білків. Від
моменту появи AlphaFold2 нею скористалися
вже понад 2 млн дослідників із 190 країн світу.
І тепер перед ученими відкриваються широкі
перспективи — наприклад, вони можуть пе-
редбачати структури білків і створювати нові
білки, краще зрозуміти проблему стійкості до
антибіотиків або робити зображення нових
ферментів, що розкладають пластик».
Отже, Нобелівський комітет у 2024 р. від-
значив нове явище в науці — синтез класичних
наук і штучного інтелекту. Фундаментальні
закони природи залишаються основою науко-
вих досліджень, але саме ШІ стає ключовим
інструментом для їх практичного застосуван-
ня в складних системах. Така інтеграція не
лише прискорює сам процес дослідження, а й
відкриває для науки нові горизонти, робить її
більш міждисциплінарною і технологічно про-
сунутою.
Розвиток штучного інтелекту. Штучний ін-
телект пройшов довгий шлях від абстрактних
філософських роздумів античності до сучас-
них технологій, якими вже активно користу-
ються і в науці, і в техніці, і в повсякденному
житті. Ідея створення машин, здатних мисли-
ти, бере початок ще в працях давньогрецьких
філософів, але реальні кроки до її втілення по-
чалися лише у XX ст.
Одним із перших значущих проривів була
робота англійського математика Алана Тюрін-
га (Alan Mathison Turing), який у 1950 р. запро-
понував тест для перевірки здатності машини
до мислення, відомий сьогодні як тест Тюрінга.
Його праці ознаменували початок ери обчис-
лювальної науки та штучного інтелекту.
У 1956 р. на Дартмутській конференції
було офіційно прийнято термін «штучний
інтелект», запропонований Джоном Маккар-
ті (John McCarthy). У цій конференції брали
участь й інші видатні вчені, такі як Марвін
Мінський (Marvin Minsky), Клод Шеннон
(Claude E. Shannon), Герберт Саймон (Herbert
A. Simon), які заклали основи розвитку мето-
дів машинного навчання, нейронних мереж та
логічного моделювання мислення людини.
Важливим етапом у розвитку ШІ стала
книга Марвіна Мінського і Сеймура Пейпер-
та (Seymour Papert) «Персептрони» (1969) —
одна з перших фундаментальних праць з ней-
ронних мереж. Не менш вагомий внесок зро-
били Герберт Саймон та Аллен Ньюелл (Allen
Newell), розробивши програми для автоматич-
ного логічного висновування та розв’язання
задач.
Перші кроки на шляху до створення штуч-
ного інтелекту зробили математики та інфор-
матики, які в 1980-х роках розробили методи
виведення на основі логічних правил. Проте
тоді обчислювальні ресурси були недостатні-
ми для точного розв’язання складних задач,
таких як, наприклад, розпізнавання образів.
У цей період розпочалися дослідження, спря-
мовані на розуміння того, як біологічні систе-
ISSN 1027-3239. Вісн. НАН України, 2024, № 12 19
СТАТТІ ТА ОГЛЯДИ
ми, зокрема мозок, вирішують проблему роз-
пізна вання. Ще в 1943 р. Воррен МакКаллох
(Warren McCulloch) і Волтер Піттс (Walter
Pitts) запропонували модель нейронної взає-
модії, в якій нейрон обчислював зважену суму
двійкових сигналів, визначаючи відповідний
вихід, і ця робота стала відправною точкою
для подальших досліджень штучних нейрон-
них мереж.
Значний внесок у розвиток штучного інте-
лекту зробили й українські вчені, зокрема ака-
деміки Віктор Михайлович Глушков, Микола
Михайлович Амосов і Олексій Григорович
Івахненко. Віктор Глушков, один із засновни-
ків кібернетики в СРСР, створив концепцію
автоматизованих систем управління, яка ля-
гла в основу розвитку ШІ. Його проєкт Єди-
ної державної системи обробки інформації
(ОГАС) мав стати першою автоматизованою
системою управління економікою. Віктор
Глушков розробив також математичні моделі
для автоматизованих машин, які заклали фун-
дамент для розвитку обчислювальної техніки
та ШІ. Він одним із перших сформулював по-
няття «адаптація», «самоорганізація», «само-
вдосконалення» в контексті теорії автоматів,
вважаючи дослідження таких систем одним з
найважливіших завдань кібернетики.
У своїх дослідженнях В.М. Глушков зосе-
реджувався на проблемах розуміння мов і ав-
томатичного доведення математичних теорем,
які він вважав найкращим способом моделю-
вання інтелектуальної діяльності людини. Ме-
тод семантичних мереж, розроблений ним для
розуміння змісту речень, став одним із перших
у світі і привернув увагу міжнародної спільно-
ти. Його доповідь на конгресі IFIP (Interna-
tional Federation of Information on Processing)
у Мюнхені в 1961 р. стала справжньою сенса-
цією.
У 1970 р. Віктор Глушков започаткував на-
уково-дослідницьку програму «Алгоритм
очевидності», що лягла в основу системи ав-
томатизованого доведення теорем (САД), яка
успішно розв’язувала задачі з лінійної алгебри.
У галузі штучного інтелекту проводилися
також дослідження з розпізнавання образів,
оброблення природної мови та автоматизації
моторних функцій роботів — проєкт «штучної
руки» У відділі академіка Миколи Амосова,
якого Віктор Глушков запросив до Інституту
кібернетики, розробляли інтелектуальні тран-
спортні роботи (ТАЇР) і моделювали розумові
процеси.
Метод групового врахування аргументів
(МГУА), розроблений свого часу Олексієм
Івахненком, і зараз широко використовують
для побудови моделей складних систем на
основі експериментальних даних. МГУА виріз-
няється принципом структурної ідентифікації
і дає змогу синтезувати оптимальні структури
нейронних мереж, а тому став одним із перших
алгоритмів у цій галузі.
Хоча в XX ст. було досягнуто значних теоре-
тичних успіхів у розвитку штучного інтелекту,
його практичне впровадження значною мірою
стримувалося обмеженістю обчислювальних
ресурсів. Складні алгоритми, необхідні для
машинного навчання, потребували потужнос-
тей, яких на той час не було. Інші перешкоди
були пов’язані з обмеженням моделей перцеп-
тронів, відсутністю наборів великих даних та
зменшенням інтересу до штучного інтелекту з
боку науковців через недостатнє фінансуван-
ня цього напряму. Цей період іноді називають
«зимою ШІ».
У XXI ст. напрям з розроблення штучно-
го інтелекту отримав новий імпульс завдяки
збільшенню обчислювальних потужностей і
розвитку графічних процесорів (GPU). Хмар-
ні обчислення також сприяли масштабуванню
наукових досліджень. Крім того, поява вели-
ких масивів даних дозволила більш ефективно
навчати моделі ШІ, що відкрило нові можли-
вості для його застосування. Проривними ме-
тодами стали алгоритми глибинного навчання
(deep learning), які стимулювали розвиток но-
вих галузей.
Інвестиції з боку урядів провідних держав
світу, як-от США, Китай, країни ЄС, Японія,
Велика Британія, а також технологічних гіган-
тів, таких як Google, Facebook, Amazon, значно
прискорили впровадження штучного інтелек-
ту в промисловість, медицину та інші сектори
20 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2024. (12)
СТАТТІ ТА ОГЛЯДИ
економіки. Сьогодні ШІ є рушійною силою
наукових відкриттів. Цьогорічні Нобелівські
премії одразу в двох номінаціях засвідчили,
що поєднання штучного інтелекту з класич-
ними науками зумовлює революційні зміни в
методології наукових досліджень і розширює
інструментарій для вирішення складних на-
укових проблем.
Нобелівська премія з фізики 2024 р. Отже,
Нобелівську премію з фізики у 2024 р. було
присуджено Джону Джозефу Гопфілду (John
Joseph Hopfield) з Принстонського універси-
тету та Джеффрі Евересту Гінтону (Geoffrey
Everest Hinton) з Університету Торонто за їхні
фундаментальні відкриття, які уможливили
розвиток машинного навчання на основі штуч-
них нейронних мереж.
У 1980-х роках вчені досліджували пере-
важно дві основні архітектури штучних ней-
ронних мереж: рекурентні мережі (recurrent
neural networks, RNN) та мережі прямого по-
ширення (feedforward). Рекурентні мережі ви-
користовують зворотний зв’язок між вузлами,
а мережі прямого поширення працюють через
послідовні рівні — вхідний, вихідний та при-
ховані. У цей період сталися значні прориви
в обох напрямах, що дало поштовх стрімкому
розвитку нейронних мереж.
Джон Гопфілд запропонував свою модель
штучних нейронних мереж, що ґрунтується
на фізичних законах термодинаміки та статис-
тичної механіки. Ця робота, як і дослідження
Джеффрі Гінтона, відкрила нові можливості
для аналізу великих обсягів даних, що карди-
нально змінило наукові підходи й технології.
Їхні відкриття ґрунтуються на застосуванні
законів мінімізації енергії та статистичної ме-
ханіки, які стали основою сучасних методів
машинного навчання.
Гопфілдова мережа, створена у 1980-х ро-
ках, використовує концепцію енер гетичних
ландшафтів, що дозволяє нейронним мережам
знаходити стабільні стани, пов’язані з певними
патернами, або «спогадами». Ця модель демон-
струє, як нейронна мережа може автоматично
коригувати свої параметри для досягнення
мінімуму енергії, подібно до того, як фізичні
Фото: Denise Applewhite / Princeton University
Джон Дж. Гопфілд (John J. Hopfield) —
американський фізик, почесний професор Принстон-
ського університету, найбільш відомий своїми дослі-
дженнями асоціативних нейронних мереж та розро-
бленням мережі Гопфілда.
Народився 15 липня 1933 р. в Чикаго в родині фізиків
Джона Джозефа Гопфілда (народився в Польщі як Ян
Юзеф Хмілевський) і Гелен Гопфілд (уроджена Стафф).
Ступінь бакалавра здобув у Коледжі Свортмор у
Пенсильванії в 1954 р., доктора філософії з фізики — в
Корнельському університеті в 1958 р. Два роки працю-
вав у теоретичній групі в Bell Laboratories, потім викла-
дав в Університеті Каліфорнії в Берклі, Принстон сько-
му університеті, Каліфорнійському технологічному
інституті. Наразі є почесним професором кафедри мо-
лекулярної біології в Принстоні. У своїй докторській ро-
боті описав взаємодію екситонів у кристалах, ввів тер-
мін «поляритон» для квазічастинок. У Bell Laboratories
досліджував оптичні властивості напівпровідників,
потім працював над кількісною моделлю для опису коо-
перативної поведінки гемоглобіну. У 1982 р. опублікував
свою першу статтю з нейронауки, в якій представив
новий тип штучної мережі, відомий зараз як мережа
Гопфілда. Він є одним із піонерів гіпотези критичного
мозку, першим пов’язав нейронні мережі з самооргані-
зованою критичністю. Джона Гопфілда нагороджено
багатьма престижними науковими відзнаками, він є
членом Американського фізичного товариства (1969),
Національної академії наук США (1973), Американ-
ської академії мистецтв і наук (1975), Американського
філософського товариства (1988).
У березні 2023 р. разом з іншими дослідниками
штучного інтелекту підписав відкритий лист із закли-
ком призупинити навчання систем ШІ, потужніших
за GPT-4. На пресконференції в Принстоні з нагоди
отримання ним Нобелівської премії розповів, що його
дуже хвилюють нещодавні досягнення в галузі ШІ. «Як
фізика мене дуже дратує те, що не піддається конт-
ролю», — пояснив він, а також порівняв ШІ з відкрит-
тям ядерного поділу, що згодом призвело до створення
ядерної зброї.
ISSN 1027-3239. Вісн. НАН України, 2024, № 12 21
СТАТТІ ТА ОГЛЯДИ
системи прагнуть до рівноваги. Тобто мережа
намагається перейти до стану з мінімальною
енергією, подібно до фізичних систем, що пе-
реходять у стабільні стани, щоб знизити віль-
ну енергію. Як і у фізиці, де системи можуть
«застрягати» в локальних мінімумах енергії, в
гопфілдових мережах це явище використову-
ють для моделювання асоціативної пам’яті та
розпізнавання патернів.
Другий нобелівський лауреат з фізики Джеф-
фрі Гінтон зробив значний внесок у розвиток
глибинних нейронних мереж та алгоритмів зво-
ротного поширення помилок (back propagation),
які основані на ключових фізичних принципах
адаптації та оптимізації систем. Алгоритм зво-
ротного поширення помилок нагадує процес
градієнтного спуску, що є важливим для пошу-
ку мінімуму потенційної енергії системи. Цей
алгоритм дозволяє нейронній мережі навчатися
через корекцію своїх параметрів.
Іншим напрямом досліджень Джеффрі Гін-
тона були больцманівські машини, побудовані
на принци пах статистичної механіки. Боль-
цманівський розподіл у фізиці визначає ймо-
вірність, з якою система займе певний енер-
гетичний стан. У машинному навчанні цей
принцип використовують для моделювання
стохастичних процесів у нейронних мережах,
допомагаючи навчати мережі за допомогою
ймовірнісних моделей.
Обидва вчені використовували концепцію
самоорганізації, яка є фундаментальним прин-
ципом у фізиці. Самоорганізація — це процес,
у якому система автоматично створює впоряд-
ковані структури без зовнішнього втручання.
У нейронних мережах цей принцип дозволяє
системам навчатися, адаптуючись до нових да-
них і поступово поліпшуючи здатність до роз-
пізнавання та класифікації інформації.
Отже, відкриття Джона Гопфілда та Джефф-
рі Гінтона ґрунтуються на фізичних принци-
пах мінімізації енергії, статистичної механіки,
ймовірнісних моделях та концепції самоорга-
нізації. Ці принципи значною мірою вплинули
на розвиток машинного навчання на основі
нейронних мереж, що наразі відіграє важливу
роль у прогресі сучасної науки і техніки та де-
Фото: Chloe Ellingson / Redux
Джеффрі Е. Гінтон (Geoffrey E. Hinton) —
британсько-канадський вчений-інфо рматик, когні-
тивний психолог, відомий своїми роботами в галузі
штучних нейронних мереж. Його називають «хреще-
ним батьком ШІ». Праправнук відомого математика
Джорджа Буля. Народився 6 грудня 1947 р. у Лондоні.
Вчився у Королівському коледжі в Кембриджі, змінив
багато спеціалізацій і зрештою отримав ступінь ба-
калавра з експериментальної психології (1970). Потім
в Единбурзькому університеті здобув ступінь доктора
філософії в галузі штучного інтелекту (1978). Через
проблеми з пошуком фінансування в Британії пере-
їхав до США, працював у Каліфорнійському універси-
теті в Сан-Дієго та Університеті Карнегі—Меллона, з
1987 р. — на факультеті інформатики в Університеті
Торонто, де й дотепер є почесним професором. Водночас
у 2013—2023 рр. був співробітником компанії Google.
Гінтон є одним з дослідників, які запропонували вико-
ристовувати метод зворотного поширення помилки
для тренування багатошарової нейронної мережі. Ра-
зом із Террі Сейновським винайшов машину Больцмана.
Джеффрі Гінтон має багато престижних наукових
відзнак, зокрема він лауреат премії Тюрінга (2018), яку
ще називають «Нобелівською з обчислювальної тех-
ніки», перший лауреат премії Румельгарта (2001) за
внесок у теоретичні основи людського пізнання. Він є
членом Королівського товариства Канади (1996), Лон-
донського королівського товариства (1998), іноземним
членом Інженерної академії США (2016) та Національ-
ної академії наук США (2023).
У травні 2023 р. Гінтон публічно оголосив про своє
звільнення з Google, посилаючись на необхідність пу-
блічного обговорення свого занепокоєння щодо числен-
них ризиків розвитку технології ШІ. Закликає терміно-
во розпочати дослідження з безпеки ШІ, щоб зрозуміти,
як керувати системами загального штучного інтелек-
ту (AGI), які будуть розумнішими за людей і появу
яких він очікує вже менше ніж через 20 років. На його
думку, розвиток ШІ приведе нас до змін, які за масш-
табом можна порівняти з промисловою революцією чи
появою електрики.
22 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2024. (12)
СТАТТІ ТА ОГЛЯДИ
далі помітніше впливає на наше повсякденне
життя.
Нобелівська премія з хімії 2024 р. Що сто-
сується цьогорічної Нобелівської премії з хімії,
то вона також пов’язана зі штучним інтелек-
том. Її присуджено професору Університету
Вашинг тона Девіду Бейкеру (David Baker) «за
комп’ютерний дизайн білків» та представни-
кам ШІ-підрозділу к омпанії Google — Демісу
Гасс абісу (Demis Hassabis) і Джону Джамперу
(John Jumper) «за прогнозування структури
білка». Їхні дослідження зосереджені на вико-
ристанні обчислювальних методів і штучного
інтелекту для вирішення склад них проблем
структурної біології.
Девід Бейкер тривалий час працював над
проблемою використання обчислювальних
методів для створення білків. Отримані ним
результати дозволили не лише передбачати
структури природних білків, а й створювати
абсолютно нові білки з конкретними функці-
ями, що раніше взагалі вважали неможливим.
Дослідження Девіда Бейкера ґрунтуються на
застосуванні фундаментальних законів фізи-
ки, хімії та біології.
Структура й функції білків визначаються
різними типами взаємодій між амінокисло-
тами, такими як ковалентні зв’язки, водневі
зв’язки, ван-дер-ваальсові сили, гідрофобні
ефекти, які й формують тривимірну струк-
туру білка. Згідно із законами термодинамі-
ки, білки набувають структури, яка мінімізує
вільну енергію системи. Використовуючи об-
числювальні алгоритми, Девід Бейкер здій-
снює пошук стабільних білкових конфігура-
цій на основі законів вільної енергії Гіббса,
що дозволяє передбачати, як білкові ланцюги
складаються у стабільні форми. Для цього за-
стосовують методи молекулярної динаміки та
градієнтного спуску.
Знання про тривимірну структуру білків
дозволяють вченим зрозуміти їхню функцію
і є пр актично значущими для пошуку но-
вих ліків. Деміс Гассабіс і Джон Джампер на
основі штучного інтелекту розробили модель
AlphaFold, яка здійснила справжній револю-
ційний прорив у структурній біології, оскільки
Фото: Uli Benz / TUM
Девід Бейкер (David Baker) —
американський біохімік, комп’ютерний біолог, професор
біохімії Генрієтти та Обрі Девісів, дослідник Медично-
го інституту Говарда Г’юза та ад’юнкт-професор наук
про геном, біоінженерії, хімічної інженерії, інформати-
ки та фізики в Університеті Вашингтона. Започатку-
вав методи проєктування білків і передбачення їхньої
тривимірної структури.
Народився в м. Сіетл (штат Вашингтон) 6 жов-
тня 1962 р. в єврейській родині вчених: батько — фізик,
мати — геофізик, дід по матері, уродженець Риги, був
професором математики в Іллінойському університе-
ті. У 1984 р. здобув ступінь бакалавра в галузі біології
в Гарвардському університеті, в 1989 р. — ступінь PhD
з біохімії в Каліфорнійському університеті в Берклі в
лабораторії нобелівського лауреата Ренді Шекмана, у
1993 р. закінчив докторантуру з біофізики в Каліфор-
нійському університеті в Сан-Франциско. Викладав
на кафедрі біохімії Медичної школи Університету Ва-
шингтона, потім у 2000 р. став дослідником Медичного
інституту Говарда Г’юза. У 2012 р. заснував і очолив
Інститут дизайну білка Університету Вашингтона.
Його група розробила алгоритм Rosetta для ab initio
прогнозування структури білка, який згодом було роз-
ширено до інструменту для проєктування білків. Пізні-
ше команда створила з використанням штучного інте-
лекту нову версію програми RoseTTAFold. Група також
активно працює в галузі білкового дизайну. Відомі тим,
що розробили перший штучний новий білок Top7.
Девід Бейкер — автор понад 600 наукових праць,
член Національної академії наук США (2006), член
Американської академії мистецтв і наук (2009), спів-
засновник понад дюжини біотехнологічних компаній,
зокрема Prospect Genomics.
Роботи Бейкера відзначено численними нагородами,
зокрема премією Овертона (2002), премією Ньюкомба
Клівленда (2004), премією Фейнмана в галузі нанотех-
нологій (2004), міжнародною премією Саклера з біофі-
зики (2008), премією Вайлі (2022), премією фонду BBVA
(2022), премією «Прорив у науках про життя» (2021).
ISSN 1027-3239. Вісн. НАН України, 2024, № 12 23
СТАТТІ ТА ОГЛЯДИ
дала змогу з надзвичайною точністю на осно-
ві амінокислотної послідовності передбача-
ти тривимірні структури білків. В основі цієї
моделі лежить фундаментальний біологічний
принцип: послідовність амінокислот визначає
форму білка, яка, своєю чергою, визначає його
функції в клітині. Враховуючи ці закономір-
ності, модель AlphaFold може точно передба-
чити кінцеву структуру білка.
У 2010 р. британський розробник ком п’ю-
терних ігор, дизайнер, фахівець у галузі штуч-
ного інтелекту, програміст і нейробіолог Деміс
Гассабіс заснував компанію DeepMind, яка
спочатку розробляла ШІ-моделі для популяр-
них ігор. У 2014 р. Google купив DeepMind, і
вже за два роки розроблена ними модель пере-
могла гравця-чемпіона з го — однієї з найстарі-
ших у світі настільних ігор. Після цього успіху
команда зосередилася на більш важливих для
людства проблемах. У 2018 р. вони зареєстру-
валися для участі в конкурсі проєкту CASP з
оцінки прогнозування структури білка, який
проводився ще з 1994 р. Що два роки дослід-
ники з усього світу отримували доступ до по-
слідовностей амінокислот у білках, структуру
яких щойно було визначено, але найкраща
точність передбачення 3D-структури ледь до-
сягала 40 %. DeepMind вийшов на конкурс зі
своєю ШІ-моделлю AlphaFold, яка одразу по-
казала результат у 60 %. Це був величезний
прогрес, який здивував багатьох, але для прак-
тичних цілей точність передбачення мала ста-
новити принаймні 90 %.
Як не намагалася команда Гассабіса підви-
щити точність моделі, їм це не вдавалося, і до-
слідники були вже готові визнати, що зайшли
в глухий кут. Зрушити справу з мертвої точки
допомогли творчі ідеї нового співробітника
DeepMind Джона Джампера, хоча для цього й
довелося докорінно реформувати модель.
Нова версія моделі — AlphaFold2 почала
давати набагато кращі прогнози, і в 2020 р.
на черговому конкурсі CASP для двох третин
пропонованих білків показала точність перед-
бачення, більшу за 90 %. Це був приголомшли-
вий результат, і організатори CASP визнали,
що мети конкурсу досягнуто.
Фото: Toby Melville / Getty Images
Деміс Гассабіс (Demis Hassabis) —
британський розробник комп’ютерних ігор, дизайнер,
фахівець у галузі штучного інтелекту, програміст,
ней робіолог, а також шахіст світового класу, засновник
та керівник компанії DeepMind, радник уряду Великої
Британії з питань штучного інтелекту.
Народився 27 липня 1976 р. в Лондоні, в родині грека-
кіпріота та китаянки з Сінгапура. Грає в шахи з 4 ро-
ків, у 13 років мав найвищий рейтинг Ело серед молодих
шахістів, єдиний у світі п’ять разів перемагав в Олім-
піаді інтелектуальних ігор. Склавши шкільні іспити
на два роки раніше від однолітків, подав документи на
вступ до Кембриджського університету, але йому по-
радили почекати через надто молодий вік. Тоді він роз-
почав свою кар’єру в індустрії комп’ютерних ігор, у 17
років займався спільним проєктуванням і очолював про-
грамування відомої гри-симулякра Theme Park разом із
культовим дизайнером ігор Пітером Моліньє. Заробив-
ши за два роки достатньо великі гроші, Деміс Гассабіс
залишив роботу задля навчання в Квінз-коледжі Кемб-
риджського університету на факультеті інформати-
ки, який закінчив у 1997 р. з подвійною відзнакою. Піс-
ля університе ту пра цював у компанії Пітера Моліньє
Lionhead провідним програмістом зі штучного інтелек-
ту, в 1998 р. заснував свою компанію Elixir Studios, яка
випустила на ринок кілька відомих ігор-стратегій. По-
тім повернувся до науки, в 2009 р. здобув ступінь PhD
з когнітивної нейронауки в Університетському коледжі
Лондона (UCL), розробляв нові алгоритми ШІ, шука-
ючи натхнення в роботі людського мозку, досліджував
механізми пам’яті та амнезії. У 2010 р. став одним із
засновників стартапу DeepMind, який через два роки
купив Google. Найвідоміші продукти DeepMind —
AlphaGo, AlphaZero, AlphaStar, AlphaFold.
Член Королівської інженерної академії Великої Бри-
танії (2017), Лондонського королівського товариства
(2018), член Academia Europaea (2023), лауреат премії
Дена Девіда (2020), премії Вайлі (2022), премії Альбер-
та Ласкера (2023) та багатьох інших.
24 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2024. (12)
СТАТТІ ТА ОГЛЯДИ
У 2022 р. компанія відкрила код AlphaFold2
і зробила модель доступною для загального
користування. За даними на 1 жовтня 2024 р.,
AlphaFold2 скористалися понад 2 млн дослід-
ників із 190 країн світу. Це стало справжнім
проривом у застосуванні інструментів штучно-
го інтелекту та машинного навчання як у фун-
даментальних, так і в прикладних досліджен-
нях. Раніше для отримання білкової структури
(якщо її взагалі вдавалося отримати) потрібні
були роки, тепер це можна зробити за кілька
хвилин. Модель штучного інтелекту не іде-
альна, але вона оцінює правильність створеної
нею структури, а отже, дослідники знають, на-
скільки надійним є прогноз.
Поява AlphaFold2 дала змогу значно приско-
рити дослідження в таких важливих напрямах,
як стійкість до антибіотиків, лікування рідкіс-
них захворювань, еволюційна біологія тощо.
8 травня 2024 р. компанія Google DeepMind
оголосила про створення третьої версії моде-
лі — AlphaFold 3, яка може передбачати струк-
туру комплексів, утворених білками з ДНК,
РНК, різними лігандами та іонами.
У всіх версіях моделі AlphaFold про цес пе-
редбачення структури білка реалізується че-
рез моделювання різних типів взаємодій між
атомами, таких як водневі зв’язки, гідрофобні
ефекти, електростатичні взаємодії та багато ін-
ших. Модель побудовано на законах квантової
хімії та класичної фізики, що дозволяє перед-
бачати стабільні білкові структури. Викорис-
товуючи глибинні нейронні мережі, модель
аналізує великі бази даних білкових струк-
тур — навчання мережі відбувалося на даних
про близько 200 млн структур, що представля-
ють майже всі відомі на сьогодні білки. Це дало
змогу AlphaFold досягти виняткової точності у
прогнозуванні.
До речі, Девід Бейкер також бра в участь у
конкурсі CASP з розробленим ним програм-
ним забезпеченням Rosetta. Однак згодом
він пішов іншим шляхом — замість того, щоб
вводити в Rosetta амінокислотні послідовнос-
ті й передбачати білкові структури, він почав
вводити в модель бажану білкову структуру і
отримувати пропозиції щодо її амінокислот-
Фото: Google DeepMind
Джон Джампер (John Jumper) —
американський хімік і фахівець у галузі інформатики,
директор компанії Google DeepMind.
Народився у 1985 р. у м. Літл-Рок (штат Арканзас,
США). Дитинство та підліткові роки провів у рідному
місті, навчався у школі, потім вступив в Університет
Вандербіл ьта — приватний дослідницький універси-
тет у Нешвіллі (штат Теннессі), де в 2007 р. здобув
ступінь бакалавра з математики та фізики. Ступінь
магістра з теоретичної фізики конденсованого середо-
вища отримав у 2010 р. в Кембриджському універси-
теті (Велика Британія), де навчався за стипендією
Маршалла.
Наступні три роки працював в обчислювальній лабо-
раторії D.E. Shaw Research у Нью-Йорку, де розробляв
моделі для дослідження динаміки білків та інших ма-
кромолекул. У 2011 р. перейшов до Чиказького універ-
ситету, де працював у галузі обчислювальної біології і
застосовував машинне навчання для вивчення фізичних
процесів згортання білка. У тому ж Чиказькому універ-
ситеті в 2012 р. здобув ступінь магістра з теоретичної
хімії, а в 2017 р. — ступінь PhD з хімії; його науковими
керівниками були відомий хімік-теоретик Карл Фрід і
Тобін Соснік.
Потім Джон Джампер перейшов на роботу в ком-
панію з розроблення штучного інтелекту Google
DeepMind, працював як дослідник над створенням мо-
делі AlphaFold. З 2023 р. очолює Google DeepMind.
Джон Джампер — лауреат премії Вайлі з біомедич-
них наук (2022), премії VinFuture (2022), премії фонду
BBVA з біології та біомедицини (2023), Канадської між-
народної премії Гайрднера (2023), премії Альберта Лас-
кера за фундаментальні медичні дослідження (2023),
премії «Прорив у науках про життя» (2023), яку за-
снували Марк Цукерберг, його дружина Присцила Чан,
Сергій Брін та ін., «за розроблення моделі AlphaFold,
яка точно передбачає структуру білка».
У 2021 р. журнал Nature вніс Джона Джампера до
свого щорічного списку людей, які мають значення
в науці.
ISSN 1027-3239. Вісн. НАН України, 2024, № 12 25
СТАТТІ ТА ОГЛЯДИ
ної послідовності, що й дозволило йому ство-
рювати абсолютно нові білки. Так само як і
DeepMind, Девід Бейкер відкрив код своєї
прог рами Rosetta, щоб нею могло користува-
тися все світове дослідницьке співтовариство,
вдосконалюючи її і шукаючи нові сфери за-
стосування. Після тріумфу AlphaFold2 на кон-
курсі CASP у 2020 р. Девід Бейкер зрозумів,
який великий потенціал має ця модель штуч-
ного інтелекту, та інтегрував деякі її підходи
до Rosetta. що значно полегшило розроблення
нових білків. Останніми роками в лабораторії
Бейкера один за одним з’являються неймовір-
ні білкові творіння.
Отже, Нобелівська премія з хімії 2024 р. від-
знач ила значний внесок у розвиток біоінжене-
рії та структурної біології, здійснений завдяки
використанню обчислювальних методів і алго-
ритмів штучного інтелекту.
Інтеграція класичних наук і штучного ін-
телекту: науковий прорив нобелівських лау-
реатів 2024 року. Інтеграція класичних наук,
таких як фізика, хімія, біологія, з технологіями
штучного інтелекту привела до значних науко-
вих проривів. Цьогорічні нобелівські лауреати
з фізики та хімії продемонстрували, як поєд-
нання фундаментальних наукових принципів
із потужними алгоритмами ШІ може суттєво
змінити підхід до вирішення складних науко-
вих проблем, які раніше потребували тривалих
експериментів та значних ресурсів.
Джон Гопфілд і Джеффрі Гінтон показали,
як закони фізики можна інтегрувати з метода-
ми машинного навчання для створення штуч-
них нейронних мереж. Інтеграція ШІ в гопфіл-
довій мережі автоматизувала процес навчання
та оптимізації мережі, що стало фундаменталь-
ним проривом у розвитку методів машинного
навчання. Ця модель показала, як фізичні за-
кони можна застосовувати для моделювання
складних адаптивних систем, здатних до са-
мостійного навчання. Інтеграція фізики ймо-
вірностей із нейронними мережами в роботах
Джеффрі Гінтона, присвячених больцманів-
ським машинам, дозволила створити моделі,
здатні на основі ймовірнісних підходів навча-
тися та оптимізувати свою роботу.
Джон Гопфілд і Джеффрі Гінтон викорис-
тали також принцип самоорганізації, який є
фундаментальним у фізиці складних систем,
для створення моделей, здатних адаптуватися
до нових даних.
Роботи нобелівських лауреатів у галузі хі-
мії також є яскравими прикладами інтегра-
ції фундаментальних законів фізики, хімії та
біології зі штучним інтелектом. Структура й
функції білків визначаються взаємодіями між
амінокислотами — ковалентними, водневими
зв’язками, ван-дер-ваальсовими силами, гід-
рофобними ефектами, завдяки яким і форму-
ється тривимірна структура білка, що, згідно
із законами термодинаміки, характеризується
мінімізацією вільної енергії системи. Девід
Бейкер використав обчислювальні алгоритми,
основані на принципах термодинаміки, мето-
дах молекулярної динаміки та градієнтного
спуску, для пошуку нових білкових структур з
конкретними функціями, що стало важливим
проривом у галузі біоінженерії. Використання
штучного інтелекту значно прискорило процес
створення нових білків. Модель AlphaFold2,
розроблена із застосуванням глибинних ней-
ронних мереж для передбачення тривимірних
білкових структур на основі амінокислотних
послідовностей, стала найбільшим проривом у
структурній біології.
Отже, вибір лауреатів з фізики та хімії,
зроблений Нобелівським ко мітетом, демон-
струє нові можливості інтеграції класичних
наук і штучного інтелекту, що дозволяють
вирішувати проблеми, які раніше вважалися
нерозв’язними, та прискорюють науково-тех-
нічний прогрес.
Міждисциплінарність та майбутнє науки.
Міждисциплінарний підхід стає основою су-
часної науки і значно розширює перспективи
майбутніх досліджень. Класичні природознав-
чі науки відкривають фундаментальні закони
природи, на основі яких будують нейронні
мережі. Наприклад, закони термодинаміки ре-
гулюють мінімізацію вільної енергії в білках і
забезпечують стабільність систем у нейронних
мережах. Закони статистичної механіки пояс-
нюють ймовірнісні процеси, що використову-
26 ISSN 1027-3239. Visn. Nac. Acad. Nauk Ukr. 2024. (12)
СТАТТІ ТА ОГЛЯДИ
ють для навчання нейронних мереж і моделю-
вання складних систем.
Штучний інтелект відіграє вирішальну роль
у практичному застосуванні цих законів до
складних систем, таких як білки або нейронні
мережі. ШІ істотно скорочує час, необхідний
для вирішення складних обчислювальних за-
вдань, як-от передбачення білкових структур
або оптимізація нейронних мереж. Моделі
ШІ можуть автоматично аналізувати великі
обсяги даних, що є критично важливим для
розв’язання задач, пов’язаних із білковим ди-
зайном або машинним навчанням.
Отже, фізичні та хімічні закони забезпечу-
ють наукову основу, тоді як штучний інтелект
дає інструменти для реалізації цих знань у
складних системах. ШІ став рушійною силою,
яка дозволяє застосовувати класичні закони
до великих обсягів даних, значно прискорюю-
чи процеси дослідження та прогнозування.
Так, у роботах Джона Гопфілда і Джеффрі
Гінтона фізика відіграла ключову роль у ство-
ренні моделей штучних нейронних мереж. Зо-
крема, використання законів мінімізації енер-
гії та статистичної механіки стало основою для
моделювання адаптивних систем. Вчені засто-
сували фізичні принципи для створення алго-
ритмів, здатних до навчання та оптимізації. У
дослідженнях Девіда Бейкера, Деміса Гассабі-
са та Джона Джампера фізичні і хімічні зако-
ни допомогли описати взаємодії між атомами
і молекулами, а ШІ прискорив процес прогно-
зування тривимірних білкових структур. Таке
поєднання законів природи з алгоритмами ма-
шинного навчання відкриває широкі перспек-
тиви для подальшого прогресу в науці.
Michael Z. Zgurovsky
National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, Kyiv, Ukraine
ORCID: https://orcid.org/0000-0001-5896-7466
Olexandr M. Khimich
V.M. Glushkov Institute of Cybernetics of the National Academy of Sciences of Ukraine, Kyiv, Ukraine
ORCID: https://orcid.org/0000-0002-8103-4223
ARTIFICIAL INTELLIGENCE: A PARADIGM SHIFT IN THE BASIC SCIENCES
Nobel Prizes in Physics and in Chemistry 2024
This year, the Nobel Committee awarded prizes in two nominations for breakthrough achievements based on the comb i-
nation of classical sciences and artificial intelligence. The Nobel Prize in Physics was awarded to American scientist John
J. Hopfield from Princeton University and British-Canadian computer scientist and cognitive psychologist Geoffrey E.
Hinton from the University of Toronto for “foundational discoveries and inventions that enable machine learning with
artificia l neural networks”. In the chemistry, the Nobel Prize was awarded to three researchers: American biochemist and
computational biologist David Baker for “computer-aided protein design” and leading specialists of Google DeepMind,
British artificial intelligence researcher Demis Hassabis and American chemist and computer scientist John M. Jumper
for “protein s tructure prediction.”
Keywords: Nobel Prize in Physics 2024, Nobel Prize in Chemistry 2024, John Hopfield, Geoffrey Hinton, David Baker,
Demis Hassabis, John Jumper, artificial intelligence, artificial neural networks, machine learning, protein structure pre-
diction.
Cite this article: Zgurovsky M.Z., Khimich O.M. Artificial intelligence: a paradigm shift in the basic sciences. Visn. Nac.
Akad. Nauk Ukr. 2024. (12): 17—26. https://doi.org/10.15407/visn2024.12.017
|
| id | nasplib_isofts_kiev_ua-123456789-202144 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1027-3239 |
| language | Ukrainian |
| last_indexed | 2025-12-07T17:43:17Z |
| publishDate | 2024 |
| publisher | Видавничий дім "Академперіодика" НАН України |
| record_format | dspace |
| spelling | Згуровський, М.З. Хіміч, О.М. 2025-03-01T18:17:28Z 2024 Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) / М.З. Згуровський, О.М. Хіміч // Вісник Національної академії наук України. - 2024. - № 12. - С. 17-26. — укр. 1027-3239 https://nasplib.isofts.kiev.ua/handle/123456789/202144 DOI: doi.org/10.15407/visn2024.12.017 Цього року Нобелівський комітет відзначив преміями відразу у двох номінаціях проривні досягнення, основані на поєднанні класичних наук і штучного інтелекту. Нобелівську премію з фізики присуджено американському науковцю Джону Дж. Гопфілду (John J. Hopfield) з Принстонського університету і британсько-канадському інформатику, когнітивному психологу Джеффрі Е. Гінтону (Geoffrey E. Hinton) з Університету Торонто за «фундаментальні відкриття та винаходи, що уможливлюють машинне навчання за допомогою штучних нейронних мереж». У номінації з хімії Нобелівську премію отримали троє дослідників: американський біохімік та комп’ютерний біолог Девід Бейкер (David Baker) за «комп’ютерний дизайн білків», а також представники компанії Google DeepMind британський фахівець із систем штучного інтелекту Деміс Гассабіс (D emis Hassabis) і американський хімік та інформатик Джон Джампер (John M. Jumper) за «прогнозування структури білка». This year, the Nobel Committee awarded prizes in two nominations for breakthrough achievements based on the combination of classical sciences and artificial intelligence. The Nobel Prize in Physics was awarded to American scientist John J. Hopfield from Princeton University and British-Canadian computer scientist and cognitive psychologist Geoffrey E. Hinton from the University of Toronto for “foundational discoveries and inventions that enable machine learning with artificial neural networks”. In the chemistry, the Nobel Prize was awarded to three researchers: American biochemist and computational biologist David Baker for “computer-aided protein design” and leading specialists of Google DeepMind, British artificial intelligence researcher Demis Hassabis and American chemist and computer scientist John M. Jumper for “protein structure prediction.” uk Видавничий дім "Академперіодика" НАН України Вісник НАН України Статті та огляди Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) Artificial intelligence: a paradigm shift in the basic sciences (Nobel Prizes in Physics and in Chemistry 2024) Article published earlier |
| spellingShingle | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) Згуровський, М.З. Хіміч, О.М. Статті та огляди |
| title | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) |
| title_alt | Artificial intelligence: a paradigm shift in the basic sciences (Nobel Prizes in Physics and in Chemistry 2024) |
| title_full | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) |
| title_fullStr | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) |
| title_full_unstemmed | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) |
| title_short | Штучний інтелект: зміна парадигми у фундаментальних науках (Нобелівські премії з фізики і хімії 2024 року) |
| title_sort | штучний інтелект: зміна парадигми у фундаментальних науках (нобелівські премії з фізики і хімії 2024 року) |
| topic | Статті та огляди |
| topic_facet | Статті та огляди |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/202144 |
| work_keys_str_mv | AT zgurovsʹkiimz štučniiíntelektzmínaparadigmiufundamentalʹnihnaukahnobelívsʹkípremíízfízikiíhímíí2024roku AT hímíčom štučniiíntelektzmínaparadigmiufundamentalʹnihnaukahnobelívsʹkípremíízfízikiíhímíí2024roku AT zgurovsʹkiimz artificialintelligenceaparadigmshiftinthebasicsciencesnobelprizesinphysicsandinchemistry2024 AT hímíčom artificialintelligenceaparadigmshiftinthebasicsciencesnobelprizesinphysicsandinchemistry2024 |