Mašinų mokymosi pradininkai laimi Nobelio fizikos premiją

Mašinų mokymosi pradininkai laimi Nobelio fizikos premiją

Du tyrėjai, kurie ... Mašinų mokymosi metodai sukūrė šiandieną Dirbtinio intelekto bumas (AI) Pagrindinis, buvo apdovanotas Nobelio fizikos premija 2024 m.

Johnas Hopfieldas iš Prinstono universiteto Naujajame Džersyje ir Geoffrey Hintonas iš Toronto universiteto, Kanadoje, dalijasi 11 milijonų Švedijos kronerio (1 mln.

Abu naudojo fizines priemones, kad sukurtų metodus dirbtiniai neuroniniai tinklai Tam naudoja smegenų įkvėptas, sluoksniuotas struktūras, kad išmoktų abstrakčių sąvokų. Jų atradimai „sudaro mašininio mokymosi elementus, kurie gali padėti žmonėms priimti greitesnius ir labiau pasitikinčius sprendimais“, - pranešimo metu pranešė Ellen Moons, Nobelio komiteto ir fiziko Karlstado universiteto, Švedijos, pirmininkė. „Dirbtiniai neuroniniai tinklai buvo naudojami siekiant tobulinti įvairias fizikos temas, pradedant dalelių fizika ir baigiant medžiagų mokslu ir baigiant astrofizika.“

1982 m. Hopfieldas, teorinis biologas, turintis fizikos foną 1. Saugodama modelius kaip mažos galios tinklo būseną, sistema galėtų atkurti vaizdą, kai susiduria su panašiu modeliu. Jis tapo žinomas kaip asociatyvi atmintis, nes primena smegenis, bandydamas atsiminti retai vartojamą žodį ar koncepciją.

Kompiuterių mokslininkas Hintonas vėliau panaudojo statistinės fizikos principus, naudojamus kolektyviai apibūdinant sistemas, sudarytas iš per daug atskirų dalių, kad dar labiau sukurtų „Hopfield Networks“. Įtraukdamas tikimybes į sluoksniuotą tinklo versiją, jis sukūrė įrankį, galintį atpažinti ir klasifikuoti vaizdus arba generuoti naujus tipo pavyzdžius, kuriuose jis buvo išmokytas 2.

Šie procesai skyrėsi nuo ankstesnių skaičiavimų, nes tinklai sugebėjo pasimokyti iš pavyzdžių, įskaitant nestruktūrizuotus duomenis, kurie yra iššūkiai tradicinei programinei įrangai, pagrįstoms žingsnis po žingsnio skaičiavimais.

Tinklai yra „dosniai idealizuoti modeliai, kurie skiriasi nuo tikrų biologinių neuroninių tinklų, kaip ir obuoliai iš planetų“, - rašė Hintonas 2000 m. Tačiau jie pasirodė naudingi ir buvo plačiai išplėtoti. Neuroniniai tinklai, imituojantys žmonių mokymą Baltymų struktūros numatymo modelis alfafoldas.

Telefono pokalbyje, kuriame pranešama, Hintonas teigė, kad tai buvo „varžtas nuo mėlynos spalvos“, kai sužinojo apie savo Nobelio premiją. „Aš nustebau, net neįsivaizdavau, kad tai įvyks“, - sakė jis. Jis pridūrė, kad mašinų mokymosi pažanga "turės didžiulį poveikį; jis bus panašus į pramonės revoliuciją. Tačiau užuot pranokę žmones fizine jėga, ji pranoks žmones intelektualinius sugebėjimus".

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

   Straipsnis
   PubMed
   „Google Scholar“

2. Fahlmanas, S. E., Hintonas, G.E. ir Sejnowski, T.J. AAAI-83 konferencijos leidiniai, p. 109-113 (1983).

   „Google Scholar“

Atsisiųskite nuorodas