Pionirji strojnega učenja osvojijo Nobelovo nagrado za fiziko

John Hopfield in Geoffrey Hinton osvojita Nobelovo nagrado v fiziki 2024 za prispevek k strojni inteligenci in AI.
(Symbolbild/natur.wiki)

Pionirji strojnega učenja osvojijo Nobelovo nagrado za fiziko

Dva raziskovalca, ki

John Hopfield z Princeton University v New Jerseyju in Geoffrey Hinton z univerze v Torontu v Kanadi deli ceno 11 milijonov švedskih kron (1 milijon dolarjev), ki jo je 8. oktobra napovedala kraljeva švedska akademija znanosti v Stockholmu.

Oba fizična orodja, ki se uporabljata za razvoj metod, ki vožnja s pomočjo besedila "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava" telesna povezava "telesna povezava. Uporabne strukture, navdihnjene za možgane za učenje abstraktnih konceptov. Njena odkritja "tvorijo gradnike mehanskega učenja, ki lahko ljudem pomagajo pri hitrejših in bolj zanesljivih odločitvah," je dejala Ellen Moons, predsednica Nobelovega odbora in fizika na Univerzi v Karlstadu na Švedskem. "Umetne nevronske mreže so bile uporabljene za spodbujanje raziskav v različnih fizičnih temah, od fizike delcev do znanosti o materialih do astrofizike."

Leta 1982 je Hopfield, teoretični biolog z ozadjem fizike, razvil omrežje, ki je opisal povezave med vozlišči kot fizikalne sile 1 . S shranjevanjem vzorcev kot nizkoenergetskega stanja omrežja je sistem lahko obnovil sliko, ko se je soočil s podobnim vzorcem. Postala je znana kot asociativni spomin, ker spominja na možgane, ki se poskušajo spomniti redko uporabljene besede ali koncepta.

Hinton, računalniški znanstvenik, je kasneje uporabil načela statistične fizike, ki se uporabljajo za skupni opis sistemov, ki so sestavljeni iz preveč posameznih delov za nadaljnji razvoj "omrežij Hopfield". Z vključitvijo verjetnosti v večplastno različico omrežja je ustvaril orodje, ki je lahko prepoznalo in razvrstilo slike ali ustvarilo nove primere tipa, na katerih je bil usposobljen 2 .

Ti procesi so se razlikovali od prejšnjih izračunov, saj so se omrežja lahko naučila iz primerov, vključno z nestrukturiranimi podatki, kar je izziv za konvencionalno programsko opremo, ki temelji na koraku -s koraki.

The networks are "generously idealized models that are as different from real biological neuronal networks as apples from planets", wrote Hinton leta 2000 v naravi . Vendar so se izkazali za koristne in so bili obsežno razviti. Nevronska omrežja, ki posnemajo človeško učenje v obliki številnih visoko razvitih orodij AI, od velikih glasovnih modelov (LLM) do algoritmov strojnega učenja, ki so sposobni analizirati velike količine podatkov, vključno z Model napovedovanja strukture beljakovin AlphaFold .

V telefonskem pogovoru ob objavi je Hinton dejal, da je "bliskavico iz modrega", ko je izvedel za svojo Nobelovo nagrado. "Presenečen sem, nisem imel pojma, da se bo zgodilo," je dejal. Dodal je, da bo napredek pri mehanskem učenju "imel ogromen vpliv; primerljiv bo z industrijsko revolucijo. Toda namesto da bi presegel ljudi v fizični moči, bo presegel ljudi v intelektualni sposobnosti."

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

    Fahlman, S.E., Hinton, G.E. in Sejnowski, T.J. Zbornik konference AAAI 83, str. 109-113 (1983).

  2. Prenesite reference