Pioniers van machine learning winnen de Nobelprijs voor de natuurkunde
Pioniers van machine learning winnen de Nobelprijs voor de natuurkunde
Twee onderzoekers die BOOM in Artificial Tekst Link"> BOOM in Artificial Intelligence (Ki) op de Nobelprijs voor natuurkunde 2024.
John Hopfield van Princeton University in New Jersey en Geoffrey Hinton van de Universiteit van Toronto, Canada, deelt de prijs van 11 miljoen Zweedse kronen ($ 1 miljoen), die op 8 oktober werd aangekondigd door de Royal Swedish Academy of Sciences in Stockholm.
Both physical tools used to develop methods that Drive artificial neural networks that use brain-inspired, useful structures Om abstracte concepten te leren. Haar ontdekkingen "vormen de bouwstenen van mechanisch leren die mensen kunnen helpen snellere en betrouwbaardere beslissingen te nemen", zei Ellen Moons, voorzitter van het Nobelcommissie en fysicus aan de Universiteit van Karlstad, Zweden. "Kunstmatige neurale netwerken werden gebruikt om onderzoek te bevorderen in verschillende fysieke onderwerpen, van deeltjesfysica tot materiële wetenschappen tot astrofysica."
In 1982 ontwikkelde Hopfield, een theoretische bioloog met achtergrond in de fysica, een netwerk dat de verbindingen tussen knooppunten beschreef als fysieke krachten 1 . Door patronen op te slaan als een lage energie -toestand van het netwerk, kon het systeem het beeld herstellen toen het werd geconfronteerd met een soortgelijk patroon. Het werd bekend als een associatief geheugen omdat het lijkt op de hersenen die proberen een zelden gebruikt woord of concept te onthouden.
Hinton, een computerwetenschapper, gebruikte later principes van de statistische fysica die worden gebruikt voor de collectieve beschrijving van systemen die uit te veel individuele onderdelen bestaan om de "Hopfield -netwerken" verder te ontwikkelen. Door de kansen te integreren in een gelaagde versie van het netwerk, creëerde hij een tool die in staat was om afbeeldingen te herkennen en te classificeren of om nieuwe voorbeelden te genereren van het type waarop het werd getraind 2 .
Deze processen verschilden van de vorige berekeningen, omdat de netwerken in staat waren om te leren van voorbeelden, inclusief ongestructureerde gegevens, wat een uitdaging is voor conventionele software op basis van stappen -door -step -berekeningen.
The networks are "generously idealized models that are as different from real biological neuronal networks as apples from planets", wrote Hinton in 2000 in de natuur . Maar ze zijn nuttig gebleken en zijn uitgebreid ontwikkeld. Neurale netwerken die menselijk leren imiteren, vormen de basis van veel sterk ontwikkelde AI-tools, van grote spraakmodellen (LLMS) tot machine learning-algoritmen die in staat zijn om grote hoeveelheden gegevens te analyseren, waaronder Eiwitstructuurvoorspellingsmodel Alphafold .
In een telefoongesprek tijdens de aankondiging zei Hinton dat het "een flits uit het niets" was toen hij hoorde over zijn Nobelprijs. "Ik ben verbaasd, ik had geen idee dat het zou gebeuren," zei hij. Hij voegde eraan toe dat vooruitgang in mechanisch leren "een enorme invloed zal hebben; het zal vergelijkbaar zijn met de industriële revolutie. Maar in plaats van mensen in fysieke kracht te overtreffen, zal het de mensen in intellectueel vermogen overschrijden."
- >
-
Hopfield, J.J., proc. Natl. Acad. Sci. VS 79, 2554 (1982).
-
Fahlman, S.E., Hinton, G.E. en Sejnowski, T.J. Proceedings of the AAAI 83 Conference, pp. 109-113 (1983).