Pionierii de învățare automată câștigă premiul Nobel pentru fizică

Pionierii de învățare automată câștigă premiul Nobel pentru fizică

Doi cercetători care ... Metode de învățare automată l -am dezvoltat pe cel de astăzi Boom în inteligența artificială (AI) La baza, au fost acordate Premiul Nobel pentru fizică 2024.

John Hopfield de la Universitatea Princeton din New Jersey și Geoffrey Hinton de la Universitatea din Toronto, Canada, împărtășesc premiul de 11 milioane de kroner suedez (1 milion de dolari), anunțat de 8 octombrie de Royal Suedes Academy of Sciences din Stockholm.

Ambele au folosit instrumente fizice pentru a dezvolta metode care Rețele neuronale artificiale care folosesc structuri stratificate, inspirate de creier, pentru a învăța concepte abstracte. Descoperirile lor „formează blocuri de învățare automată care pot ajuta oamenii să ia decizii mai rapide și mai încrezătoare”, a declarat Ellen Moons, președinte al Comitetului Nobel și fizician la Universitatea Karlstad, Suedia, în timpul anunțului. „Rețelele neuronale artificiale au fost utilizate pentru a avansa cercetarea în diverse subiecte de fizică, de la fizica particulelor până la știința materialelor până 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 putere scăzută a rețelei, sistemul ar putea restabili imaginea atunci când este confruntat cu un model similar. A devenit cunoscută sub numele de memorie asociativă, deoarece seamănă cu creierul încercând să -și amintească un cuvânt sau concept rar folosit.

Hinton, un informatician, a folosit ulterior principii din fizica statistică utilizate pentru a descrie colectiv sistemele compuse din prea multe părți individuale pentru a dezvolta în continuare „rețele de hopfield”. Prin încorporarea probabilităților într -o versiune stratificată a rețelei, el a creat un instrument capabil să recunoască și să clasifice imagini 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 este dificil pentru software-ul tradițional bazat pe calcule pas cu pas.

Rețelele sunt „modele idealizate generos, care sunt la fel de diferite de rețelele neuronale biologice reale, precum merele sunt din planete”, a scris Hinton în 2000 în natură. Dar s -au dovedit utile și au fost dezvoltate pe scară largă. Rețelele neuronale care imită învățarea umană constituie baza multor instrumente AI avansate, de la modele de limbaj mare (LLM) până la algoritmi de învățare automată capabilă să analizeze cantități mari de date, inclusiv Model de predicție a structurii proteice Alphafold.

Într -o conversație telefonică făcând anunțul, Hinton a spus că este „un șurub din albastru” când a aflat de premiul său Nobel. "Sunt uimit, habar nu aveam asta se va întâmpla", a spus el. El a adăugat că progresele în învățarea automată „vor avea un impact uriaș; va fi comparabil cu Revoluția industrială. Dar, în loc să depășească oamenii în forță fizică, va depăși oamenii în capacitatea intelectuală”.

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

   Articol
   PubMed
   Google Scholar

2. Fahlman, S.E., Hinton, G.E. și Sejnowski, T.J. Proceedings of the AAAI-83 Conference, pp. 109-113 (1983).

   Google Scholar

Descărcați referințe