I pionieri dell'apprendimento automatico vincono il premio Nobel per la fisica
I pionieri dell'apprendimento automatico vincono il premio Nobel per la fisica
Due ricercatori che
John Hopfield della Princeton University nel New Jersey e Geoffrey Hinton dell'Università di Toronto, in Canada, condividono il prezzo di 11 milioni di corone svedesi ($ 1 milione), che è stata annunciata l'8 ottobre dalla Royal Swedish Academy of Sciences a Stocholm. Entrambi gli strumenti fisici utilizzati per sviluppare metodi che Strutture utili ispirate al cervello per imparare concetti astratti. Le sue scoperte "formano i mattoni dell'apprendimento meccanico che possono aiutare le persone a prendere decisioni più veloci e affidabili", ha affermato Ellen Moons, presidente del Comitato Nobel e fisico dell'Università di Karlstad, in Svezia. "Le reti neurali artificiali sono state utilizzate per promuovere la ricerca in vari argomenti fisici, dalla fisica delle particelle alle scienze dei materiali all'astrofisica." Nel 1982 Hopfield, un biologo teorico con background in fisica, ha sviluppato una rete che descriveva le connessioni tra i nodi come forze fisiche 1 . Memorizzando modelli come uno stato a bassa energia della rete, il sistema è stato in grado di ripristinare l'immagine quando si è confrontato con un modello simile. È diventato noto come una memoria associativa perché ricorda il cervello che cerca di ricordare una parola o un concetto usato raramente. Hinton, un informatico, in seguito ha usato i principi della fisica statistica utilizzata per la descrizione collettiva dei sistemi che consistono in troppe parti individuali per sviluppare ulteriormente le "reti di Hopfield". Integrando le probabilità in una versione a strati della rete, ha creato uno strumento che è stato in grado di riconoscere e classificare le immagini o di generare nuovi esempi del tipo su cui è stato addestrato 2 . Questi processi differivano dai calcoli precedenti, poiché le reti sono state in grado di imparare dagli esempi, compresi i dati non strutturati, che è una sfida per il software convenzionale basato sui calcoli del passo passo. Le reti sono "modelli generosamente idealizzati che sono diversi dalle vere reti neuronali biologiche come le mele dei pianeti", hanno scritto Hinton nel 2000 in natura . Ma hanno dimostrato di essere utili e sono stati ampiamente sviluppati. Le reti neurali che imitano l'apprendimento umano costituiscono la base di molti strumenti AI altamente sviluppati, dai grandi modelli vocali (LLMS) agli algoritmi di apprendimento automatico che sono in grado di analizzare grandi quantità di dati, tra cui modello di previsione della struttura proteica Alphafold . In una conversazione telefonica all'annuncio, Hinton ha detto che era "un lampo all'improvviso" quando ha saputo del suo premio Nobel. "Sono stupito, non avevo idea che sarebbe successo", ha detto. Ha aggiunto che i progressi nell'apprendimento meccanico "avranno un'enorme influenza; sarà paragonabile alla rivoluzione industriale. Ma invece di superare le persone nella forza fisica, supererà le persone in capacità intellettuale". Hopfield, J.J., Proc. Natl. Acad. Sci. USA 79, 2554 (1982). >
Fahlman, S.E., Hinton, G.E. e Sejnowski, T.J. Atti della conferenza AAAI 83, pagg. 109-113 (1983).