Priekopníci strojového učenia získali Nobelovu cenu za fyziku

Priekopníci strojového učenia získali Nobelovu cenu za fyziku

Dvaja výskumníci, ktorí... Metódy strojového učenia vyvinuli to dnešné Boom umelej inteligencie (AI) základom, získali Nobelovu cenu za fyziku za rok 2024.

John Hopfield z Princetonskej univerzity v New Jersey a Geoffrey Hinton z Torontskej univerzity v Kanade sa delia o cenu 11 miliónov švédskych korún (1 milión USD), ktorú 8. októbra oznámila Kráľovská švédska akadémia vied v Štokholme.

Obaja použili fyzické nástroje na vývoj metód, ktoré umelé neurónové siete ktoré využívajú mozgom inšpirované vrstvené štruktúry na učenie sa abstraktných pojmov. Ich objavy „tvoria stavebné kamene strojového učenia, ktoré môžu ľuďom pomôcť robiť rýchlejšie a sebavedomejšie rozhodnutia,“ povedala Ellen Moonsová, predsedníčka Nobelovho výboru a fyzička na Karlstad University vo Švédsku počas oznámenia. "Umelé neurónové siete sa používajú na pokrok vo výskume v rôznych fyzikálnych témach, od fyziky častíc cez vedu o materiáloch až po astrofyziku."

V roku 1982 Hopfield, teoretický biológ so zázemím vo fyzike, vyvinul sieť, ktorá opísala spojenia medzi uzlami ako fyzické sily. 1. Uložením vzorov ako stavu siete s nízkou spotrebou energie by systém mohol obnoviť obraz, keď je konfrontovaný s podobným vzorom. Stala sa známa ako asociatívna pamäť, pretože sa podobá mozgu, ktorý sa snaží zapamätať si zriedka používané slovo alebo pojem.

Hinton, počítačový vedec, neskôr použil princípy štatistickej fyziky, ktoré sa používali na kolektívny opis systémov zložených z príliš veľa jednotlivých častí na ďalší rozvoj „Hopfieldových sietí“. Začlenením pravdepodobností do vrstvenej verzie siete vytvoril nástroj schopný rozpoznať a klasifikovať obrázky alebo generovať nové príklady typu, na ktorom bol trénovaný. 2.

Tieto procesy sa líšili od predchádzajúcich výpočtov, pretože siete sa dokázali učiť z príkladov vrátane neštruktúrovaných údajov, čo je náročné pre tradičný softvér založený na výpočtoch krok za krokom.

Siete sú „veľkodušne idealizované modely, ktoré sa líšia od skutočných biologických neurónových sietí tak, ako sú jablká od planét,“ napísal Hinton. v roku 2000 v prírode. Ale ukázali sa ako užitočné a boli široko vyvinuté. Neurónové siete, ktoré napodobňujú ľudské učenie, tvoria základ mnohých pokročilých nástrojov AI, od veľkých jazykových modelov (LLM) až po algoritmy strojového učenia schopné analyzovať veľké množstvo údajov vrátane Model predpovede proteínovej štruktúry AlphaFold.

V telefonickom rozhovore s oznámením Hinton povedal, že to bol "záblesk z jasného neba", keď sa dozvedel o svojej Nobelovej cene. "Som ohromený, netušil som, že sa to stane," povedal. Dodal, že pokrok v strojovom učení "bude mať obrovský vplyv; bude porovnateľný s priemyselnou revolúciou. Ale namiesto toho, aby prekonal ľudí vo fyzickej sile, prekonal ľudí v intelektuálnych schopnostiach."

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

   Článok
   PubMed
   Študovňa Google

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

   Študovňa Google

Stiahnite si referencie