Pionirji strojnega učenja so prejeli Nobelovo nagrado za fiziko

Pionirji strojnega učenja so prejeli Nobelovo nagrado za fiziko

Dva raziskovalca, ki... Metode strojnega učenja razvili današnjega Razcvet umetne inteligence (AI) v osnovi, so leta 2024 prejeli Nobelovo nagrado za fiziko.

John Hopfield z univerze Princeton v New Jerseyju in Geoffrey Hinton z univerze v Torontu v Kanadi si delita nagrado v vrednosti 11 milijonov švedskih kron (milijon dolarjev), ki jo je 8. oktobra objavila Kraljeva švedska akademija znanosti v Stockholmu.

Oba sta uporabila fizična orodja za razvoj metod, ki umetne nevronske mreže ki za učenje abstraktnih konceptov uporabljajo večplastne strukture, ki jih navdihujejo možgani. Njihova odkritja "tvorijo gradnike strojnega učenja, ki lahko ljudem pomagajo sprejemati hitrejše in bolj samozavestne odločitve," je med objavo povedala Ellen Moons, predsednica Nobelovega odbora in fizičarka na univerzi Karlstad na Švedskem. "Umetne nevronske mreže so bile uporabljene za pospeševanje raziskav v različnih fizikalnih temah, od fizike delcev do znanosti o materialih do astrofizike."

Leta 1982 je Hopfield, teoretični biolog z izkušnjami iz fizike, razvil mrežo, ki opisuje povezave med vozlišči kot fizične sile 1. S shranjevanjem vzorcev kot stanja nizke porabe energije lahko sistem obnovi sliko, ko se sooči s podobnim vzorcem. Postal je znan kot asociativni spomin, ker je podoben možganom, ki se poskušajo spomniti redko uporabljene besede ali koncepta.

Hinton, računalniški znanstvenik, je pozneje uporabil principe statistične fizike, ki so se uporabljali za skupen opis sistemov, sestavljenih iz preveč posameznih delov, za nadaljnji razvoj "Hopfieldovih omrežij". Z vključitvijo verjetnosti v večplastno različico omrežja je ustvaril orodje, ki je sposobno prepoznati in razvrstiti slike ali ustvariti nove primere vrste, na kateri je bilo učeno. 2.

Ti procesi so se razlikovali od prejšnjih izračunov, ker so se omrežja lahko učila iz primerov, vključno z nestrukturiranimi podatki, kar je izziv za tradicionalno programsko opremo, ki temelji na izračunih po korakih.

Omrežja so "velikodušno idealizirani modeli, ki se od resničnih bioloških nevronskih mrež razlikujejo tako kot jabolka od planetov," je zapisal Hinton. leta 2000 v Nature. Vendar so se izkazali za uporabne in so bili široko razviti. Nevronske mreže, ki posnemajo človeško učenje, tvorijo osnovo številnih naprednih orodij AI, od velikih jezikovnih modelov (LLM) do algoritmov strojnega učenja, ki lahko analizirajo velike količine podatkov, vključno z Model za napovedovanje strukture beljakovin AlphaFold.

Hinton je v telefonskem pogovoru, ko je to objavil, dejal, da je bila "strela z jasnega", ko je izvedel za Nobelovo nagrado. "Presenečen sem, nisem vedel, da se bo to zgodilo," je dejal. Dodal je, da bo napredek v strojnem učenju "imel velik vpliv; primerljiv bo z industrijsko revolucijo. Toda namesto da bi ljudi presegel v fizični moči, jih bo presegel v intelektualnih sposobnostih."

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

   člen
   PubMed
   Google Učenjak

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

   Google Učenjak

Prenesite reference