Pionierii de învățare automată câștigă premiul Nobel pentru fizică
Pionierii de învățare automată câștigă premiul Nobel pentru fizică
Doi cercetători care Drive artificial neural networks that use brain-inspired, useful structures Pentru a învăța concepte abstracte. Descoperirile ei „formează blocuri de învățare mecanică care pot ajuta oamenii să ia decizii mai rapide și mai fiabile”, a declarat Ellen Moons, președinte al Comitetului Nobel și fizician la Universitatea din Karlstad, Suedia. "Rețelele neuronale artificiale au fost utilizate pentru a promova cercetarea pe diverse subiecte fizice, de la fizica particulelor la științele materialelor la astrofizică."
În 1982 Hopfield, un biolog teoretic cu fundal în fizică, a dezvoltat o rețea care a descris conexiunile dintre noduri ca forțe fizice 1 . Prin stocarea tiparelor ca o stare de energie scăzută a rețelei, sistemul a fost capabil să restabilească imaginea atunci când a fost confruntată cu un model similar. A devenit cunoscută ca o memorie asociativă, deoarece seamănă cu creierul care încearcă să -și amintească un cuvânt sau concept rar folosit.
Hinton, un informatician, a folosit ulterior principii din fizica statistică care sunt utilizate pentru descrierea colectivă a sistemelor care constau din prea multe părți individuale pentru a dezvolta în continuare „rețelele de hopfield”. Prin integrarea probabilităților într-o versiune stratificată a rețelei, el a creat un instrument care a fost capabil să recunoască și să clasifice imaginile sau să genereze noi exemple de tipul pe care a fost instruit 2 .
Aceste procese diferă de calculele anterioare, deoarece rețelele au putut învăța din exemple, inclusiv date nestructurate, ceea ce reprezintă o provocare pentru software -ul convențional bazat pe calcule de pas cu pas.
The networks are "generously idealized models that are as different from real biological neuronal networks as apples from planets", wrote Hinton în 2000 în natură . Dar s -au dovedit a fi utile și au fost dezvoltate pe scară largă. Rețelele neuronale care imită învățarea umană constituie baza multor instrumente AI extrem de dezvoltate, de la modele vocale mari (LLM) până la algoritmi de învățare automată care sunt capabile să analizeze cantități mari de date, inclusiv Model de prognoză a structurii proteice alfafold .
Într -o conversație telefonică la anunț, Hinton a spus că a fost „un fulger din albastru” când a aflat despre premiul său Nobel. "Sunt uimit, habar nu aveam că se va întâmpla", a spus el. El a adăugat că progresul în învățarea mecanică va avea „o influență enormă; va fi comparabilă cu Revoluția industrială. Dar, în loc să depășească oamenii în forță fizică, va depăși oamenii în capacitate intelectuală.”
-
hopfield, J.J., Proc. Natl. Acad. Sci. SUA 79, 2554 (1982).