ノーベル物理学賞は機械学習の父に贈られる

ジョン・ホップフィールドとジェフリー・E.ヒントンはニューラルネットワークを最初に「訓練」し、人工知能への道を切り開いた人物

ローマ – 2024年のノーベル物理学賞がスウェーデン・アカデミーから研究者に授与された ジョン・ホップフィールドとジェフリー・E.ヒントンは、ニューラル ネットワークを最初に「トレーニング」し、「強力な自動機械学習」への道を切り開いた人物です。, 、したがって人工知能に。

メモにあるように、アメリカ人のジョン・ホップフィールドは、「データ内の画像や他の種類のモデルをアーカイブおよび再構築できる連想メモリを作成した」と述べています。英国のジェフリー・ヒントンについては、「彼はデータ内のプロパティを独自に見つけて、画像内の特定の要素を識別するなどのタスクを実行できる方法を発明しました。」

「受賞者の取り組みはすでに大きな恩恵をもたらしています。物理学では、特定の特性を持つ新材料の開発など、幅広い分野で人工ニューラル ネットワークが使用されています」とノーベル物理学委員会の委員長エレン・ムーンズは言います。

スウェーデンアカデミーは次のように続けています。「人工知能について話すとき、私たちは人工ニューラルネットワークによる機械学習を意味することがよくあります。 このテクノロジーはもともと脳の構造からインスピレーションを得たものです. 。人工ニューラル ネットワークでは、脳内のニューロンは、異なる値を持つノードによって表されます。これらのノードは、シナプスと比較でき、強化または弱めることができる接続を通じて相互に影響を与えます。ネットワークは、たとえば同時に高い値を持つノード間のより強力な接続を開発することによってトレーニングされます。今年の受賞者は、1980 年代以降、人工ニューラル ネットワークを使った重要な研究を行ってきました。」

アカデミーは次のように続けています。「ジョン・ホップフィールドは、パターンを保存して再作成する方法を使用するネットワークを発明しました。ノードはピクセルと考えることができます。ホップフィールド ネットワークは、原子スピン (各原子を小さな磁石にする性質) による物質の特性を記述する物理学を使用します。ネットワーク全体は物理学で見られるスピン系のエネルギーと同等の方法で記述され、保存された画像が低エネルギーになるようにノード間の接続の値を見つけることによってトレーニングされます。ホップフィールド ネットワークに歪んだ画像や不完全な画像が与えられると、ネットワークのエネルギーが減少するようにノードを系統的に処理して値を更新します。その後、ネットワークは段階的に動作して、供給された不完全な画像に最も類似した保存画像を見つけます。」

ジェフリー・ヒントンについては、「彼はホップフィールドのネットワークをベースとして、別の方法を使用した新しいネットワークを使用しました。ボルツマンマシン。これにより、特定の種類のデータ内の特徴的な要素を認識する方法を学習できます。ヒントンは、多くの同様のコンポーネントから構築されたシステムの科学である統計物理学のツールを使用しました。マシンは、マシンの実行を開始するときに最も可能性の高い例を与えることによってトレーニングされます。ボルツマン マシンは、画像を分類したり、トレーニングされたパターンの種類の新しい例を作成したりするために使用できます。ヒントンはこの成果を基にして、現在の機械学習の爆発的な発展の開始に貢献しました。」