Pioniri strojnog učenja dobili su Nobelovu nagradu za fiziku

Pioniri strojnog učenja dobili su Nobelovu nagradu za fiziku

Dva istraživača koji... Metode strojnog učenja razvili ono današnje Procvat umjetne inteligencije (AI) u osnovi, dobili su Nobelovu nagradu za fiziku 2024.

John Hopfield sa Sveučilišta Princeton u New Jerseyju i Geoffrey Hinton sa Sveučilišta u Torontu, Kanada, dijele nagradu od 11 milijuna švedskih kruna (milijun dolara), objavila je 8. listopada Kraljevska švedska akademija znanosti u Stockholmu.

Obojica su koristili fizičke alate za razvoj metoda koje umjetne neuronske mreže koji koriste slojevite strukture inspirirane mozgom za učenje apstraktnih pojmova. Njihova otkrića "tvore građevne blokove strojnog učenja koji mogu pomoći ljudima da donose brže i sigurnije odluke", rekla je Ellen Moons, predsjednica Nobelovog odbora i fizičarka sa Sveučilišta Karlstad u Švedskoj, tijekom objave. "Umjetne neuronske mreže korištene su za unapređenje istraživanja u raznim temama fizike, od fizike čestica do znanosti o materijalima i astrofizike."

Godine 1982. Hopfield, teorijski biolog s iskustvom u fizici, razvio je mrežu koja opisuje veze između čvorova kao fizičke sile 1. Pohranjivanjem uzoraka kao stanja niske potrošnje energije, sustav bi mogao vratiti sliku kada se suoči sa sličnim uzorkom. Postalo je poznato kao asocijativno pamćenje jer nalikuje mozgu koji pokušava zapamtiti rijetko korištenu riječ ili koncept.

Hinton, računalni znanstvenik, kasnije je upotrijebio principe iz statističke fizike koji se koriste za kolektivno opisivanje sustava koji se sastoje od previše pojedinačnih dijelova za daljnji razvoj "Hopfieldovih mreža". Uključivanjem vjerojatnosti u slojevitu verziju mreže, stvorio je alat sposoban za prepoznavanje i klasificiranje slika ili generiranje novih primjera tipa na kojem je uvježban 2.

Ti su se procesi razlikovali od prethodnih izračuna jer su mreže mogle učiti iz primjera, uključujući nestrukturirane podatke, što je izazov za tradicionalni softver temeljen na izračunima korak po korak.

Mreže su "velikodušno idealizirani modeli koji se razlikuju od stvarnih bioloških neuronskih mreža koliko jabuke od planeta", napisao je Hinton 2000. u Nature. Ali oni su se pokazali korisnima i naširoko su razvijeni. Neuronske mreže koje oponašaju ljudsko učenje temelj su mnogih naprednih AI alata, od velikih jezičnih modela (LLM) do algoritama strojnog učenja sposobnih za analizu velikih količina podataka, uključujući Model predviđanja strukture proteina AlphaFold.

U telefonskom razgovoru u kojem je to objavio, Hinton je rekao da je to bio "grom iz vedra neba" kada je saznao za svoju Nobelovu nagradu. “Zapanjen sam, nisam imao pojma da će se ovo dogoditi”, rekao je. Dodao je da će napredak u strojnom učenju "imati ogroman utjecaj; bit će usporediv s industrijskom revolucijom. Ali umjesto da nadmaši ljude u fizičkoj snazi, nadmašit će ljude u intelektualnim sposobnostima."

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

   Članak
   PubMed
   Google znalac

2. Fahlman, S.E., Hinton, G.E. i Sejnowski, T.J. Zbornik radova konferencije AAAI-83, str. 109-113 (1983).

   Google znalac

Preuzmite reference