Pioniri strojnog učenja osvajaju Nobelovu nagradu za fiziku

Pioniri strojnog učenja osvajaju Nobelovu nagradu za fiziku

Dva istraživača koji ... Metode strojnog učenja razvili su to danas Bum u umjetnoj inteligenciji (AI) U osnovi, dobili su Nobelovu nagradu za fiziku 2024.

John Hopfield sa Sveučilišta Princeton u New Jerseyju i Geoffrey Hinton sa Sveučilišta u Torontu, Kanada, dijele nagradu od 11 milijuna švedskih kruna (milijun dolara), najavio je 8. listopada Kraljevska švedska akademija znanosti u Stockholmu.

Oboje su koristili fizičke alate za razvoj metoda koje umjetne neuronske mreže koje koriste slojevite strukture nadahnute mozgom za učenje apstraktnih koncepata. Njihova otkrića "čine građevne blokove strojnog učenja koji mogu pomoći ljudima da donesu brže i samouvjerenije odluke", rekla je Ellen Moons, predsjednica Nobelovog odbora i fizičarka sa Sveučilišta Karlstad, Švedska, tijekom najave. "Umjetne neuronske mreže korištene su za unapređenje istraživanja u različitim temama fizike, od fizike čestica do znanosti o materijalima do astrofizike."

Godine 1982. Hopfield, teorijski biolog s pozadinom fizike, razvio je mrežu koja je veza između čvorova opisao kao fizičke sile 1. Pohranjivanjem uzoraka kao stanja mreže male snage, sustav bi mogao vratiti sliku kada se suoči sa sličnim uzorkom. Postalo je poznato kao asocijativno pamćenje jer nalikuje mozgu pokušavajući se sjetiti rijetko korištene riječi ili koncepta.

Hinton, računalni znanstvenik, kasnije je koristio principe statističke fizike koji se koriste za kolektivno opisivanje sustava sastavljenih od previše pojedinačnih dijelova za daljnji razvoj "Hopfield mreža". Uključujući vjerojatnosti u slojevitu verziju mreže, stvorio je alat koji je sposoban prepoznati i klasificirati slike ili generirajući nove primjere tipa na kojem je obučen 2.

Ovi su se procesi razlikovali od prethodnih izračuna jer su mreže bile u stanju naučiti iz primjera, uključujući nestrukturirane podatke, što je izazovno za tradicionalni softver na temelju detaljnih izračuna.

Mreže su "velikodušno idealizirani modeli koji se razlikuju od stvarnih bioloških neuronskih mreža kao i jabuke s planeta", napisao je Hinton 2000. u prirodi. Ali pokazali su se korisnim i široko su razvijeni. Neuralne mreže koje oponašaju ljudsko učenje čine osnovu mnogih naprednih AI alata, od velikih jezičnih modela (LLMS) do algoritama strojnog učenja koji mogu analizirati velike količine podataka, uključujući i Model predviđanja strukture proteina Alphafold.

U telefonskom razgovoru koji je objavio, Hinton je rekao da je to "vijak s plave" kada je saznao za svoju Nobelovu nagradu. "Iznenađen sam, nisam imao pojma da će se to dogoditi", rekao je. Dodao je da će napredak u strojnom učenju "imati ogroman utjecaj; to će biti usporediv s industrijskom revolucijom. Ali umjesto da nadmaši ljude u fizičkoj snazi, nadmašit će ljude u intelektualnim sposobnostima."

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

   Članak
   PubMed
   Google znalca

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

   Google znalca

Preuzmite reference