Пионерите в машинното обучение печелят Нобелова награда по физика

Пионерите в машинното обучение печелят Нобелова награда по физика

Двама изследователи, които... Методи за машинно обучение са разработили това днес Бум на изкуствения интелект (AI) в основата, бяха удостоени с Нобелова награда по физика за 2024 г.

Джон Хопфийлд от университета Принстън в Ню Джърси и Джефри Хинтън от университета в Торонто, Канада, си поделят наградата от 11 милиона шведски крони (1 милион долара), обявена на 8 октомври от Кралската шведска академия на науките в Стокхолм.

И двамата са използвали физически инструменти за разработване на методи, които изкуствени невронни мрежи които използват вдъхновени от мозъка слоести структури, за да научат абстрактни концепции. Техните открития "формират градивните елементи на машинното обучение, което може да помогне на хората да вземат по-бързи и по-уверени решения", каза Елън Мунс, председател на Нобеловия комитет и физик в университета Карлстад, Швеция, по време на съобщението. „Изкуствените невронни мрежи са били използвани за напредък в изследванията в различни теми от физиката, от физиката на елементарните частици до науката за материалите до астрофизиката.“

През 1982 г. Хопфийлд, теоретичен биолог с опит в областта на физиката, разработи мрежа, която описва връзките между възлите като физически сили 1. Чрез съхраняване на модели като състояние на ниска мощност на мрежата, системата може да възстанови изображението, когато се сблъска с подобен модел. Стана известна като асоциативна памет, защото наподобява мозъка, който се опитва да запомни рядко използвана дума или понятие.

Хинтън, компютърен учен, по-късно използва принципи от статистическата физика, използвани за колективно описание на системи, съставени от твърде много отделни части, за да доразвие „мрежите на Хопфийлд“. Чрез включването на вероятности в многослойна версия на мрежата, той създаде инструмент, способен да разпознава и класифицира изображения или да генерира нови примери от типа, на който е обучен 2.

Тези процеси се различаваха от предишните изчисления, тъй като мрежите успяха да се учат от примери, включително неструктурирани данни, което е предизвикателство за традиционния софтуер, базиран на изчисления стъпка по стъпка.

Мрежите са „щедро идеализирани модели, които са толкова различни от реалните биологични невронни мрежи, колкото ябълките са от планетите“, пише Хинтън през 2000 г. в Nature. Но те се оказаха полезни и са широко разработени. Невронните мрежи, които имитират човешкото обучение, формират основата на много усъвършенствани AI инструменти, от големи езикови модели (LLM) до алгоритми за машинно обучение, способни да анализират големи количества данни, включително Модел за прогнозиране на протеинова структура AlphaFold.

В телефонен разговор, в който обяви това, Хинтън каза, че е било "гръм от ясно небе", когато е научил за своята Нобелова награда. „Изумен съм, нямах представа, че това ще се случи“, каза той. Той добави, че напредъкът в машинното обучение "ще има огромно въздействие; ще бъде сравнимо с Индустриалната революция. Но вместо да надмине хората по физическа сила, ще надмине хората по интелектуални способности."

1. Hopfield, J.J., Proc. Natl. акад. Sci. USA 79, 2554 (1982).

   статия
   PubMed
   Google Наука

2. Fahlman, S.E., Hinton, G.E. и Sejnowski, T.J. Доклади на конференцията AAAI-83, стр. 109-113 (1983).

   Google Наука

Изтегляне на препратки