Masinõppe pioneerid võidavad füüsikas Nobeli preemia

Masinõppe pioneerid võidavad füüsikas Nobeli preemia

Kaks teadlast, kes ... Masinõppe meetodid on arendanud tänapäeva Tehisintellekti (AI) buum aluseks olid Nobeli füüsika auhind 2024.

New Jersey Princetoni ülikooli John Hopfield ja Kanada Toronto ülikooli Geoffrey Hinton jagavad 11 miljonit Rootsi krooni (miljonit dollarit) auhinda, mille teatas 8. oktoobril Stockholmi kuningliku Rootsi teaduste akadeemia poolt.

Mõlemad kasutasid füüsilisi vahendeid meetodite väljatöötamiseks kunstlikud närvivõrgud See kasutab abstraktsete mõistete õppimiseks ajust inspireeritud kihilisi struktuure. Nende avastused "moodustavad masinõppe ehitusplokid, mis aitavad inimestel teha kiiremaid ja enesekindlamaid otsuseid", ütles Rootsi Karlstadi ülikooli Nobeli komitee esimees ja Rootsi Karlstadi ülikooli füüsik Ellen Moons. "Kunstlikke närvivõrke on kasutatud uurimistöö edendamiseks erinevates füüsikateemades, alates osakeste füüsikast kuni materjaliteaduseni kuni astrofüüsikani."

1982. aastal töötas füüsika taustaga teoreetiline bioloog Hopfield välja võrgu, mis kirjeldas sõlmede kui füüsiliste jõudude vahelisi seoseid 1. Salvestades mustreid võrgu vähese energiatarbega olekuna, võib süsteem sarnase mustriga silmitsi seista pildi taastada. See sai nimeks assotsiatiivseks mäluks, kuna see sarnaneb ajuga, püüdes meeles pidada harva kasutatud sõna või kontseptsiooni.

Arvutiteadlane Hinton kasutas hiljem statistilise füüsika põhimõtteid, mida kasutati ühiselt kirjeldamiseks süsteeme, mis koosnevad liiga paljudest üksikutest osadest, et veelgi arendada “Hopfieldi võrke”. Kui lisada tõenäosused võrgu kihilisesse versiooni, lõi ta tööriista, mis on võimeline pilte tuvastama ja klassifitseerima või uute näidete genereerimiseks seda väljaõppinud tüüpi näiteid 2.

Need protsessid erinesid varasematest arvutustest, kuna võrgud suutsid näidetest õppida, sealhulgas struktureerimata andmeid, mis on traditsioonilisele tarkvarale keeruline, mis põhineb samm-sammult arvutustel.

Võrgud on „heldelt idealiseeritud mudelid, mis erinevad nii reaalsetest bioloogilistest närvivõrkudest kui õunad on pärit planeetidest", kirjutas Hinton 2000. aastal looduses. Kuid need on osutunud kasulikuks ja on laialdaselt välja töötatud. Inimese õppimise jäljendavad närvivõrgud moodustavad paljude täiustatud AI -tööriistade aluse, alates suurtest keelemudelitest (LLM) kuni masinõppe algoritmideni, mis on võimelised analüüsima suuri andmeid, sealhulgas Valgu struktuuri ennustamise mudel Alphafold.

Telefonivestluses, mis teatas, ütles Hinton, et see on "Sinise polt", kui ta sai teada oma Nobeli preemiast. "Olen üllatunud, mul polnud aimugi, et see juhtub," ütles ta. Ta lisas, et masinõppe edusammud "avaldab tohutut mõju; see on võrreldav tööstusrevolutsiooniga. Kuid selle asemel, et inimesi füüsilise jõu ületada, ületab see inimesi intellektuaalsetes võimetes".

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

   Artikkel
   Avalik
   Google Scholar

2. Fahlman, S.E., Hinton, G.E. ja Sejnowski, T.J. AAAI-83 konverentsi toimetised, lk 109-113 (1983).

   Google Scholar

Laadige alla viited