Le prix Nobel de physique revient aux pères du machine learning

La reconnaissance à John Hopfield et Geoffrey E.Hinton, le premier à avoir « formé » les réseaux de neurones, ouvrant la voie à l'intelligence artificielle

ROME – Le prix Nobel de physique 2024 a été décerné par l'Académie suédoise à des chercheurs John Hopfield et Geoffrey E.Hinton, qui a été le premier à « entraîner » les réseaux de neurones, ouvrant la voie à un « apprentissage automatique puissant », donc à l’intelligence artificielle.

L'Américain John Hopfield, comme on le lit dans la note, "a créé une mémoire associative capable d'archiver et de reconstruire des images et d'autres types de modèles dans les données".Quant au Britannique Geoffrey Hinton, « il a inventé une méthode capable de trouver indépendamment des propriétés dans des données, puis d’effectuer des tâches telles que l’identification d’éléments spécifiques dans des images ».

« Le travail des lauréats a déjà apporté de grands bénéfices.En physique, nous utilisons les réseaux de neurones artificiels dans un large éventail de domaines, comme le développement de nouveaux matériaux dotés de propriétés spécifiques », explique Ellen Moons, présidente du Comité Nobel de physique.

L'Académie suédoise poursuit :« Lorsque nous parlons d’intelligence artificielle, nous entendons souvent l’apprentissage automatique via des réseaux de neurones artificiels. Cette technologie s'inspire à l'origine de la structure du cerveau.Dans un réseau neuronal artificiel, les neurones du cerveau sont représentés par des nœuds qui ont des valeurs différentes.Ces nœuds s'influencent mutuellement via des connexions qui peuvent être comparées à des synapses et qui peuvent être renforcées ou affaiblies.Le réseau est entraîné, par exemple en développant des connexions plus fortes entre des nœuds présentant simultanément des valeurs élevées.Les lauréats de cette année ont mené des travaux importants sur les réseaux de neurones artificiels depuis les années 1980. »

L'Académie poursuit :« John Hopfield a inventé un réseau qui utilise une méthode pour enregistrer et recréer des modèles.Nous pouvons considérer les nœuds comme des pixels.Le réseau Hopfield utilise la physique qui décrit les caractéristiques d’un matériau grâce à son spin atomique, propriété qui fait de chaque atome un petit aimant.Le réseau dans son ensemble est décrit d'une manière équivalente à l'énergie du système de spin trouvé en physique, et est formé en trouvant des valeurs de connexions entre les nœuds afin que les images enregistrées aient une faible énergie.Lorsque le réseau Hopfield reçoit une image déformée ou incomplète, il travaille méthodiquement à travers les nœuds et met à jour leurs valeurs afin que l'énergie du réseau diminue.Le réseau travaille ensuite par étapes pour trouver l’image enregistrée qui ressemble le plus à l’image imparfaite avec laquelle il a été alimenté. »

Quant à Geoffrey Hinton, « il a utilisé le réseau de Hopfield comme base pour un nouveau réseau utilisant une méthode différente :la machine Boltzmann.Celui-ci peut apprendre à reconnaître des éléments caractéristiques dans un type de données donné.Hinton a utilisé des outils issus de la physique statistique, la science des systèmes construits à partir de nombreux composants similaires.La machine est formée en lui donnant des exemples qui apparaîtront très probablement au démarrage de la machine.La machine Boltzmann peut être utilisée pour classer des images ou créer de nouveaux exemples du type de motif sur lequel elle a été formée.Hinton s’est appuyé sur ce travail et a contribué à lancer le développement explosif actuel de l’apprentissage automatique.