Mašīnmācīšanās pionieri iegūst Nobela prēmiju fizikā

Mašīnmācīšanās pionieri iegūst Nobela prēmiju fizikā

Divi pētnieki, kuri... Mašīnmācīšanās metodes ir attīstījuši mūsdienu Mākslīgā intelekta (AI) uzplaukums pamatā, viņiem tika piešķirta Nobela prēmija fizikā 2024.

Džons Hopfīlds no Prinstonas universitātes Ņūdžersijā un Džefrijs Hintons no Toronto Universitātes Kanādā dala 11 miljonus Zviedrijas kronu (1 miljona dolāru) lielu balvu, ko 8. oktobrī paziņoja Zviedrijas Karaliskā Zinātņu akadēmija Stokholmā.

Abi izmantoja fiziskus rīkus, lai izstrādātu metodes, kas mākslīgie neironu tīkli kas izmanto smadzeņu iedvesmotas, slāņveida struktūras, lai apgūtu abstraktus jēdzienus. Viņu atklājumi "veido mašīnmācības pamatelementus, kas var palīdzēt cilvēkiem pieņemt ātrākus un pārliecinošākus lēmumus," paziņojumā sacīja Nobela komitejas priekšsēdētāja un fiziķe no Karlstades universitātes (Zviedrijā) Ellen Moons. "Mākslīgie neironu tīkli ir izmantoti, lai veicinātu pētījumus dažādās fizikas tēmās, sākot no daļiņu fizikas līdz materiālu zinātnei un beidzot ar astrofiziku."

1982. gadā Hopfīlds, teorētiskais biologs ar fizikas pieredzi, izstrādāja tīklu, kas aprakstīja savienojumus starp mezgliem kā fiziskus spēkus. 1. Saglabājot modeļus kā tīkla mazjaudas stāvokli, sistēma varētu atjaunot attēlu, saskaroties ar līdzīgu modeli. Tā kļuva pazīstama kā asociatīvā atmiņa, jo tā atgādina smadzenes, kas mēģina atcerēties reti lietotu vārdu vai jēdzienu.

Hintons, datorzinātnieks, vēlāk izmantoja statistikas fizikas principus, ko izmantoja, lai kopīgi aprakstītu sistēmas, kas sastāv no pārāk daudzām atsevišķām daļām, lai turpinātu attīstīt "Hopfield tīklus". Iekļaujot varbūtības tīkla slāņveida versijā, viņš izveidoja rīku, kas spēj atpazīt un klasificēt attēlus vai ģenerēt jaunus tā veida piemērus, par kuriem tas tika apmācīts. 2.

Šie procesi atšķīrās no iepriekšējiem aprēķiniem, jo ​​tīkli varēja mācīties no piemēriem, tostarp nestrukturētiem datiem, kas ir izaicinājums tradicionālajai programmatūrai, kuras pamatā ir soli pa solim aprēķini.

Tīkli ir "dāsni idealizēti modeļi, kas ir tikpat atšķirīgi no reāliem bioloģiskajiem neironu tīkliem kā āboli no planētām", rakstīja Hintons. 2000. gadā dabā. Bet tie ir izrādījušies noderīgi un ir plaši izstrādāti. Neironu tīkli, kas atdarina cilvēka mācīšanos, veido pamatu daudziem progresīviem AI rīkiem, sākot no lielajiem valodu modeļiem (LLM) līdz mašīnmācīšanās algoritmiem, kas spēj analizēt lielu datu apjomu, tostarp Olbaltumvielu struktūras prognozēšanas modelis AlphaFold.

Telefonsarunā, kurā tika paziņots, Hintons sacīja, ka tas bija "zibens zibens no skaidrām debesīm", kad viņš uzzināja par savu Nobela prēmiju. "Esmu pārsteigts, man nebija ne jausmas, ka tas notiks," viņš teica. Viņš piebilda, ka sasniegumiem mašīnmācībā "būs milzīga ietekme; tas būs salīdzināms ar industriālo revolūciju. Bet tā vietā, lai pārspētu cilvēkus fiziskajā spēkā, tas pārspēs cilvēkus intelektuālajās spējās."

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

   Raksts
   PubMed
   Google Scholar

2. Fahlman, S.E., Hinton, G.E. un Sejnovskis, T.J. AAAI-83 konferences materiāli, 109.-113. lpp. (1983).

   Google Scholar

Lejupielādēt atsauces