Průkopníci strojového učení získali Nobelovu cenu za fyziku

Průkopníci strojového učení získali Nobelovu cenu za fyziku

Dva výzkumníci, kteří... Metody strojového učení vyvinuli to dnešní Boom umělé inteligence (AI) základ, získali Nobelovu cenu za fyziku za rok 2024.

John Hopfield z Princetonské univerzity v New Jersey a Geoffrey Hinton z University of Toronto v Kanadě se dělí o cenu 11 milionů švédských korun (1 milion dolarů), vyhlášenou 8. října Královskou švédskou akademií věd ve Stockholmu.

Oba používali fyzické nástroje k vývoji metod, které umělé neuronové sítě které využívají mozkem inspirované vrstvené struktury k učení abstraktních pojmů. Jejich objevy „vytvářejí stavební kameny strojového učení, které mohou lidem pomoci činit rychlejší a sebevědomější rozhodnutí,“ řekla Ellen Moonsová, předsedkyně Nobelova výboru a fyzička na Karlstadské univerzitě ve Švédsku během oznámení. "Umělé neuronové sítě byly použity k pokroku ve výzkumu v různých fyzikálních tématech, od částicové fyziky přes vědu o materiálech až po astrofyziku."

V roce 1982, Hopfield, teoretický biolog se zázemím ve fyzice, vyvinul síť, která popsala spojení mezi uzly jako fyzikální síly. 1. Uložením vzorů jako stavu sítě s nízkou spotřebou energie mohl systém obnovit obraz, když byl konfrontován s podobným vzorem. Stala se známá jako asociativní paměť, protože připomíná mozek, který se snaží zapamatovat si zřídka používané slovo nebo pojem.

Hinton, počítačový vědec, později použil principy statistické fyziky používané ke společnému popisu systémů složených z příliš mnoha jednotlivých částí na další rozvoj „Hopfieldových sítí“. Začleněním pravděpodobností do vrstvené verze sítě vytvořil nástroj schopný rozpoznávat a klasifikovat obrázky nebo generovat nové příklady typu, na kterém byl trénován. 2.

Tyto procesy se lišily od předchozích výpočtů, protože sítě se dokázaly učit z příkladů, včetně nestrukturovaných dat, což je náročné pro tradiční software založený na výpočtech krok za krokem.

Sítě jsou „velkoryse idealizované modely, které se liší od skutečných biologických neuronových sítí stejně jako jablka od planet,“ napsal Hinton. v roce 2000 v přírodě. Ale ukázaly se jako užitečné a byly široce vyvinuty. Neuronové sítě, které napodobují lidské učení, tvoří základ mnoha pokročilých nástrojů umělé inteligence, od velkých jazykových modelů (LLM) až po algoritmy strojového učení schopné analyzovat velké množství dat, včetně Model předpovědi struktury proteinu AlphaFold.

V telefonickém rozhovoru s oznámením Hinton řekl, že to byl „záblesk z čistého nebe“, když se dozvěděl o své Nobelově ceně. "Jsem ohromen, netušil jsem, že se to stane," řekl. Dodal, že pokrok ve strojovém učení "bude mít obrovský dopad; bude srovnatelný s průmyslovou revolucí. Ale místo toho, aby překonával lidi ve fyzické síle, předčí lidi v intelektuálních schopnostech."

1. Hopfield, J. J., Proč. Natl. Akad. Sci. USA 79, 2554 (1982).

   Článek
   PubMed
   Google Scholar

2. Fahlman, S.E., Hinton, G.E. a Sejnowski, T.J. Sborník z konference AAAI-83, s. 109-113 (1983).

   Google Scholar

Stáhněte si reference