Пионерите за машинно обучение печелят Нобелова награда по физика

Пионерите за машинно обучение печелят Нобелова награда по физика

Двама изследователи, които ... Методи за машинно обучение са разработили това на днешния ден Бум в изкуствения интелект (AI) в основата, бяха наградени с Нобеловата награда по физика 2024 г.

Джон Хопфийлд от Принстънския университет в Ню Джърси и Джефри Хинтън от Университета в Торонто, Канада, споделят наградата за 11 милиона шведски Кронер (1 милион долара), обявена на 8 октомври от Кралската шведска академия на науките в Стокхолм.

И двамата използваха физически инструменти за разработване на методи, които изкуствени невронни мрежи които използват вдъхновени от мозъка, слоести структури, за да научат абстрактни понятия. Техните открития „формират градивните елементи на машинното обучение, които могат да помогнат на хората да вземат по -бързи и уверени решения“, заяви Елън Муун, председател на Нобеловия комитет и физик от университета Карлстад, Швеция, по време на съобщението. „Изкуствените невронни мрежи са били използвани за напредък на изследванията в различни физически теми, от физиката на частиците до материалознанието до астрофизиката.“

През 1982 г. Хопфийлд, теоретичен биолог с опит във физиката, разработва мрежа, която описва връзките между възлите като физически сили 1. Съхранявайки модели като състояние с ниска мощност на мрежата, системата може да възстанови изображението, когато се сблъска с подобен модел. Той стана известен като асоциативна памет, защото наподобява мозъка, опитвайки се да запомни рядко използвана дума или концепция.

Хинтън, компютърен учен, по -късно използва принципи от статистическата физика, използвани за колективно описване на системи, съставени от твърде много отделни части за по -нататъшно разработване на „Hopfield Networks“. Чрез включване на вероятностите в слоеста версия на мрежата, той създаде инструмент, способен да разпознава и класифицира изображения или да генерира нови примери от типа, на който е бил обучен 2.

Тези процеси се различават от предишните изчисления, тъй като мрежите успяха да се поучат от примери, включително неструктурирани данни, което е предизвикателство за традиционния софтуер въз основа на стъпка по стъпка изчисления.

Мрежите са „щедро идеализирани модели, които са толкова различни от реалните биологични невронни мрежи, колкото и ябълките от планети“, пише Хинтън През 2000 г. в природата. Но те се оказаха полезни и са широко развити. Невронните мрежи, които имитират човешкото обучение, са в основата на много усъвършенствани AI инструменти, от големи езикови модели (LLMS) до алгоритми за машинно обучение, способни да анализират големи количества данни, включително The Модел на прогнозиране на протеиновата структура Alphafold.

В телефонен разговор, който прави съобщението, Хинтън каза, че това е "болт от синьото", когато научи за своята Нобелова награда. "Удивен съм, нямах представа, че това ще се случи", каза той. Той добави, че напредъкът в машинното обучение „ще има огромно въздействие; това ще бъде сравнимо с индустриалната революция. Но вместо да надминава хората във физическа сила, той ще надмине хората в интелектуални способности“.

1. Hopfield, J. J., Proc. Natl. Акад. Sci. САЩ 79, 2554 (1982).

   Статия
   PubMed
   Google Учен

2. Fahlman, S.E., Hinton, G.E. и Sejnowski, T.J. Протоколи от конференцията AAAI-83, стр. 109-113 (1983).

   Google Учен

Изтеглете референции