Mašīnmācības pionieri uzvar Nobela prēmijā par fiziku
Mašīnmācības pionieri uzvar Nobela prēmijā par fiziku
Divi pētnieki, kuri
John Hopfield no Prinstonas universitātes Ņūdžersijā un Geoffrey Hinton no Toronto Universitātes Kanādā, dalot cenu 11 miljonu Zviedrijas kronu (1 miljons dolāru), par kuru 8. oktobrī paziņoja Zviedrijas Karaliskā Zinātņu akadēmija Stokholmā. Abi fiziskie rīki, ko izmanto, lai izstrādātu metodes, kas
1982. gadā Hopfīlds, teorētiskais biologs ar fizikas fonu, izstrādāja tīklu, kas aprakstīja savienojumus starp mezgliem kā fizikālos spēkus 1 . Uzglabājot modeļus kā tīkla zemas enerģijas līmeni, sistēma spēja atjaunot attēlu, kad tas saskārās ar līdzīgu modeli. Tā kļuva pazīstama kā asociatīvā atmiņa, jo tā atgādina smadzenes, kas mēģina atcerēties reti lietotu vārdu vai koncepciju. Hintons, datorzinātnieks, vēlāk izmantoja statistiskās fizikas principus, kurus izmanto sistēmu kolektīvai aprakstam, kas sastāv no pārāk daudzām atsevišķām detaļām, lai turpinātu attīstīt "Hopfield tīklus". Integrējot varbūtības tīkla slāņainajā versijā, viņš izveidoja rīku, kas varēja atpazīt un klasificēt attēlus vai ģenerēt jaunus tā veida piemērus, uz kuriem tas tika apmācīts 2 . Šie procesi atšķīrās no iepriekšējiem aprēķiniem, jo tīkli varēja mācīties no piemēriem, ieskaitot nestrukturētus datus, kas ir izaicinājums parastajai programmatūrai, pamatojoties uz soli -by -step aprēķiniem. The networks are "generously idealized models that are as different from real biological neuronal networks as apples from planets", wrote Hinton 2000. gadā dabā . Bet tie ir izrādījušies noderīgi un tika plaši attīstīti. Neironu tīkli, kas atdarina cilvēku mācīšanos, ir daudzu augsti attīstītu AI rīku pamats, sākot no lieliem balss modeļiem (LLMS) līdz mašīnmācīšanās algoritmiem, kas spēj analizēt lielu datu daudzumu, ieskaitot Olbaltumvielu struktūras prognozēšanas modelis Alphafold . Telefona sarunā paziņojumā Hintons sacīja, ka, kad viņš uzzināja par savu Nobela prēmiju, tā ir "zibspuldze no zilā". "Es esmu pārsteigts, man nebija ne mazākās nojausmas, ka tas notiks," viņš teica. Viņš piebilda, ka mehāniskās mācīšanās progresam “būs milzīga ietekme; tas būs salīdzināms ar rūpniecisko revolūciju. Bet tā vietā, lai fiziski izturētos pret cilvēkiem, tas pārsniegs intelektuālās spējas cilvēkus”. Hopfield, J.J., Proc. Natl. Acad. Sci. USA 79, 2554 (1982). Raksts Fahlman, S.E., Hinton, G.E. un Sejnowski, T.J. AAAI 83 konferences materiāli, 109.-113.lpp. (1983). Google Scholar
PubMed
Google Scholar