Pionierii învățării automate câștigă Premiul Nobel pentru Fizică

Pionierii învățării automate câștigă Premiul Nobel pentru Fizică

Doi cercetători care... Metode de învățare automată l-au dezvoltat pe cel de astăzi Boom în inteligența artificială (AI) care stau la baza, au primit Premiul Nobel pentru Fizică 2024.

John Hopfield de la Universitatea Princeton din New Jersey și Geoffrey Hinton de la Universitatea din Toronto, Canada, împart premiul de 11 milioane de coroane suedeze (1 milion de dolari), anunțat pe 8 octombrie de Academia Regală Suedeză de Științe din Stockholm.

Ambii au folosit instrumente fizice pentru a dezvolta metode care rețele neuronale artificiale care folosesc structuri stratificate inspirate de creier pentru a învăța concepte abstracte. Descoperirile lor „formă elementele de bază ale învățării automate care pot ajuta oamenii să ia decizii mai rapide și mai încrezătoare”, a declarat Ellen Moons, președinte al Comitetului Nobel și fizician la Universitatea Karlstad, Suedia, în timpul anunțului. „Rețelele neuronale artificiale au fost folosite pentru a avansa cercetarea în diferite subiecte de fizică, de la fizica particulelor la știința materialelor și la astrofizică.”

În 1982, Hopfield, un biolog teoretic cu experiență în fizică, a dezvoltat o rețea care a descris conexiunile dintre noduri ca forțe fizice. 1. Prin stocarea tiparelor ca stare de putere redusă a rețelei, sistemul ar putea restabili imaginea atunci când se confruntă cu un model similar. A devenit cunoscută ca memorie asociativă, deoarece seamănă cu creierul care încearcă să-și amintească un cuvânt sau un concept rar folosit.

Hinton, un informatician, a folosit mai târziu principii din fizica statistică folosite pentru a descrie în mod colectiv sistemele compuse din prea multe părți individuale pentru a dezvolta în continuare „rețele Hopfield”. Prin încorporarea probabilităților într-o versiune stratificată a rețelei, el a creat un instrument capabil să recunoască și să clasifice imaginile sau să genereze noi exemple de tipul pe care a fost antrenat. 2.

Aceste procese au fost diferite de calculele anterioare deoarece rețelele au putut învăța din exemple, inclusiv din date nestructurate, ceea ce este o provocare pentru software-ul tradițional bazat pe calcule pas cu pas.

Rețelele sunt „modele generos idealizate care sunt la fel de diferite de rețelele neuronale biologice reale precum merele de pe planete”, a scris Hinton. în 2000 în Natură. Dar s-au dovedit utile și au fost dezvoltate pe scară largă. Rețelele neuronale care imită învățarea umană formează baza multor instrumente avansate de inteligență artificială, de la modele mari de limbaj (LLM) la algoritmi de învățare automată capabili să analizeze cantități mari de date, inclusiv Modelul de predicție al structurii proteinei AlphaFold.

Într-o conversație telefonică în care a făcut anunțul, Hinton a spus că a fost „un șurub din senin” când a aflat despre premiul său Nobel. „Sunt uimit, nu aveam idee că se va întâmpla asta”, a spus el. El a adăugat că progresele în învățarea automată „vor avea un impact uriaș; va fi comparabil cu Revoluția Industrială. Dar, în loc să depășească oamenii ca forță fizică, îi va depăși pe oameni în ceea ce privește capacitatea intelectuală”.

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

   Articol
   PubMed
   Google Academic

2. Fahlman, S.E., Hinton, G.E. și Sejnowski, T.J. Proceedings of the AAAI-83 Conference, pp. 109-113 (1983).

   Google Academic

Descărcați referințe