I pionieri del machine learning vincono il Premio Nobel per la fisica

I pionieri del machine learning vincono il Premio Nobel per la fisica

Due ricercatori che... Metodi di apprendimento automatico hanno sviluppato quello di oggi Boom dell’intelligenza artificiale (AI) sottostanti, sono stati insigniti del Premio Nobel per la Fisica 2024.

John Hopfield dell'Università di Princeton nel New Jersey e Geoffrey Hinton dell'Università di Toronto, Canada, si dividono il premio di 11 milioni di corone svedesi (1 milione di dollari), annunciato l'8 ottobre dall'Accademia reale svedese delle scienze a Stoccolma.

Entrambi hanno utilizzato strumenti fisici per sviluppare metodi che reti neurali artificiali che utilizzano strutture stratificate ispirate al cervello per apprendere concetti astratti. Le loro scoperte "costituiscono gli elementi costitutivi dell'apprendimento automatico che può aiutare le persone a prendere decisioni più rapide e sicure", ha affermato Ellen Moons, presidente del Comitato per il Nobel e fisica presso l'Università di Karlstad, in Svezia, durante l'annuncio. “Le reti neurali artificiali sono state utilizzate per far avanzare la ricerca in vari argomenti di fisica, dalla fisica delle particelle alla scienza dei materiali fino all’astrofisica”.

Nel 1982, Hopfield, un biologo teorico con un background in fisica, sviluppò una rete che descriveva le connessioni tra i nodi come forze fisiche 1. Memorizzando i modelli come stato di basso consumo della rete, il sistema potrebbe ripristinare l'immagine quando confrontato con un modello simile. Divenne nota come memoria associativa perché assomiglia al cervello che cerca di ricordare una parola o un concetto usato raramente.

Hinton, uno scienziato informatico, in seguito utilizzò i principi della fisica statistica usati per descrivere collettivamente sistemi composti da troppe parti individuali per sviluppare ulteriormente le “reti di Hopfield”. Incorporando le probabilità in una versione a strati della rete, ha creato uno strumento in grado di riconoscere e classificare le immagini o generare nuovi esempi del tipo su cui è stato addestrato. 2.

Questi processi differivano dai calcoli precedenti perché le reti erano in grado di apprendere da esempi, inclusi dati non strutturati, il che rappresenta una sfida per il software tradizionale basato su calcoli passo passo.

Le reti sono “modelli generosamente idealizzati che sono tanto diversi dalle reti neurali biologiche reali quanto le mele lo sono dai pianeti”, ha scritto Hinton. nel 2000 in Natura. Ma si sono rivelati utili e sono stati ampiamente sviluppati. Le reti neurali che imitano l'apprendimento umano costituiscono la base di molti strumenti avanzati di intelligenza artificiale, dai modelli linguistici di grandi dimensioni (LLM) agli algoritmi di apprendimento automatico in grado di analizzare grandi quantità di dati, inclusi i Modello di previsione della struttura delle proteine ​​AlphaFold.

In una conversazione telefonica in cui ha dato l'annuncio, Hinton ha detto che è stato "un fulmine a ciel sereno" quando ha saputo del suo premio Nobel. "Sono stupito, non avevo idea che sarebbe successo", ha detto. Ha aggiunto che i progressi nell’apprendimento automatico “avranno un impatto enorme; sarà paragonabile alla rivoluzione industriale. Ma invece di superare gli esseri umani in forza fisica, supererà gli umani in capacità intellettuale”.

1. Hopfield, JJ, Proc. Natl. Accade. Sci. Stati Uniti 79, 2554 (1982).

   Articolo
   PubMed
   Google Scholar

2. Fahlman, S.E., Hinton, G.E. e Sejnowski, T.J. Atti della conferenza AAAI-83, pp. 109-113 (1983).

   Google Scholar

Scarica riferimenti