Pioneiros do aprendizado de máquina ganham Prêmio Nobel de Física

Pioneiros do aprendizado de máquina ganham Prêmio Nobel de Física

Dois pesquisadores que... Métodos de aprendizado de máquina desenvolveram o de hoje Boom da inteligência artificial (IA) subjacente, foram galardoados com o Prémio Nobel da Física 2024.

John Hopfield, da Universidade de Princeton, em Nova Jersey, e Geoffrey Hinton, da Universidade de Toronto, no Canadá, compartilham o prêmio de 11 milhões de coroas suecas (US$ 1 milhão), anunciado em 8 de outubro pela Real Academia Sueca de Ciências, em Estocolmo.

Ambos usaram ferramentas físicas para desenvolver métodos que redes neurais artificiais que usam estruturas em camadas inspiradas no cérebro para aprender conceitos abstratos. Suas descobertas “formam os blocos de construção do aprendizado de máquina que podem ajudar as pessoas a tomar decisões mais rápidas e confiantes”, disse Ellen Moons, presidente do Comitê do Nobel e física da Universidade de Karlstad, na Suécia, durante o anúncio. “Redes neurais artificiais têm sido usadas para avançar pesquisas em vários tópicos da física, desde física de partículas até ciência de materiais e astrofísica.”

Em 1982, Hopfield, um biólogo teórico com formação em física, desenvolveu uma rede que descrevia as conexões entre nós como forças físicas. 1. Ao armazenar padrões como um estado de baixo consumo de energia da rede, o sistema poderia restaurar a imagem quando confrontado com um padrão semelhante. Tornou-se conhecida como memória associativa porque se assemelha ao cérebro tentando lembrar uma palavra ou conceito raramente usado.

Hinton, um cientista da computação, mais tarde usou princípios da física estatística usados ​​para descrever coletivamente sistemas compostos de muitas partes individuais para desenvolver ainda mais “redes Hopfield”. Ao incorporar probabilidades em uma versão em camadas da rede, ele criou uma ferramenta capaz de reconhecer e classificar imagens ou gerar novos exemplos do tipo em que foi treinada. 2.

Esses processos diferiram dos cálculos anteriores porque as redes foram capazes de aprender com exemplos, incluindo dados não estruturados, o que é um desafio para softwares tradicionais baseados em cálculos passo a passo.

As redes são “modelos generosamente idealizados que são tão diferentes das redes neurais biológicas reais quanto as maçãs são dos planetas”, escreveu Hinton. em 2000 na Natureza. Mas eles provaram ser úteis e foram amplamente desenvolvidos. As redes neurais que imitam o aprendizado humano formam a base de muitas ferramentas avançadas de IA, desde grandes modelos de linguagem (LLMs) até algoritmos de aprendizado de máquina capazes de analisar grandes quantidades de dados, incluindo o Modelo de previsão de estrutura de proteínas AlphaFold.

Numa conversa telefónica para fazer o anúncio, Hinton disse que foi “um raio do nada” quando soube do seu Prémio Nobel. “Estou surpreso, não tinha ideia de que isso iria acontecer”, disse ele. Ele acrescentou que os avanços no aprendizado de máquina “terão um enorme impacto; serão comparáveis ​​à Revolução Industrial. Mas em vez de superar os humanos em força física, superarão os humanos em capacidade intelectual”.

1. Hopfield, JJ, Proc. Nacional. Acad. Ciência. EUA 79, 2554 (1982).

   Artigo
   PubMed
   Google Acadêmico

2. Fahlman, SE, Hinton, GE. e Sejnowski, T.J. Anais da conferência AAAI-83, pp.

   Google Acadêmico

Baixar referências