Průkopníci strojového učení vyhrají Nobelovu cenu ve fyzice

Průkopníci strojového učení vyhrají Nobelovu cenu ve fyzice

Dva vědci, kteří ... Metody strojového učení vyvinuli dnes Boom in umělé inteligence (AI) Podkladem byla udělena Nobelova cena ve fyzice 2024.

John Hopfield z Princetonské univerzity v New Jersey a Geoffrey Hinton z Kanady University of Toronto, sdílí 11 milionů švédských koronů (1 milion dolarů), oznámila 8. října Královská švédská akademie věd ve Stockholmu.

Oba použili fyzické nástroje k vývoji metod, které Umělé neuronové sítě které používají mozek inspirované, vrstvené struktury k učení abstraktních konceptů. Jejich objevy „tvoří stavební kameny strojového učení, které mohou lidem pomoci při rychlejším a sebevědomějším rozhodnutích,“ uvedla během oznámení Ellen Moons, předsedkyně Nobelovy výboru a fyzik na Karlstad University ve Švédsku. "Umělé neuronové sítě byly použity k rozvoji výzkumu v různých fyzických tématech, od fyziky částic po vědu o materiálech po astrofyziku."

V roce 1982 vyvinul Hopfield, teoretický biolog s fyzikálním zázemím, síť, která popsala spojení mezi uzly jako fyzické síly 1. Uložením vzorců jako stavu nízkého výkonu sítě mohl systém obnovit obraz, když bude konfrontován s podobným vzorem. Stala se známou jako asociativní paměť, protože se podobá mozku, který se snaží zapamatovat si zřídka používané slovo nebo koncept.

Hinton, počítačový vědec, později použil principy ze statistické fyziky používané k kolektivnímu popisu systémů složených z příliš mnoha jednotlivých částí pro další rozvoj „hopfieldových sítí“. Začleněním pravděpodobností do vrstvené verze sítě vytvořil nástroj schopný rozpoznat a klasifikovat obrázky nebo generovat nové příklady typu, na kterém byl vyškolen 2.

Tyto procesy se lišily od předchozích výpočtů, protože sítě se mohly poučit z příkladů, včetně nestrukturovaných dat, což je pro tradiční software náročné na základě výpočtů krok za krokem.

Sítě jsou „velkoryse idealizované modely, které se liší od skutečných biologických neuronových sítí jako jablka z planet,“ napsal Hinton V roce 2000 v přírodě. Ukázali se však jako užitečné a byli široce rozvinuté. Neuronové sítě, které napodobují učení lidského, tvoří základ mnoha pokročilých nástrojů AI, od velkých jazykových modelů (LLM) až po algoritmy strojového učení, které jsou schopny analyzovat velké množství dat, včetně Model predikce proteinové struktury Alphafold.

V telefonním rozhovoru, který oznámil oznámení, Hinton řekl, že to byl „šroub z modré“, když se dozvěděl o své Nobelovy ceně. „Jsem ohromen, netušil jsem, že se to stane,“ řekl. Dodal, že pokroky ve strojovém učení „bude mít obrovský dopad; bude to srovnatelné s průmyslovou revolucí. Ale místo toho, aby namísto překonání lidí ve fyzické síle překonal lidi v intelektuálních schopnostech“.

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

   Článek
   PubMed
   Google Scholar

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

   Google Scholar

Stáhnout odkazy