노벨 물리학상은 머신러닝의 아버지들에게 돌아갑니다.

John Hopfield와 Geoffrey E.최초로 신경망을 '훈련'시켜 인공지능의 길을 닦은 힌튼

로마 – 2024년 노벨 물리학상은 스웨덴 아카데미에서 연구원들에게 수여되었습니다. 존 홉필드와 제프리 E.최초로 신경망을 '훈련'시켜 '강력한 자동 기계 학습'의 길을 닦은 Hinton, 따라서 인공 지능에.

미국의 John Hopfield는 메모에서 읽은 것처럼 "이미지와 데이터의 다른 유형의 모델을 보관하고 재구성할 수 있는 연관 메모리를 만들었습니다".영국인 제프리 힌튼(Geoffrey Hinton)은 “그는 데이터에서 독립적으로 속성을 찾은 다음 이미지에서 특정 요소를 식별하는 등의 작업을 수행할 수 있는 방법을 발명했습니다.”

“수상자들의 작업은 이미 큰 이익을 가져왔습니다.물리학에서 우리는 특정 특성을 지닌 신소재 개발 등 다양한 분야에서 인공 신경망을 사용합니다.”라고 노벨 물리학 위원회 회장인 엘렌 문스(Ellen Moons)는 말합니다.

스웨덴 아카데미는 계속해서 다음과 같이 말합니다.“인공지능에 관해 이야기할 때 흔히 인공신경망을 통한 머신러닝을 의미합니다. 이 기술은 원래 뇌의 구조에서 영감을 얻었습니다.인공 신경망에서 뇌의 뉴런은 서로 다른 값을 갖는 노드로 표현됩니다.이들 노드는 시냅스와 비교될 수 ​​있고 강화되거나 약화될 수 있는 연결을 통해 서로 영향을 미칩니다.예를 들어 동시에 높은 값을 갖는 노드 간의 더 강력한 연결을 개발하여 네트워크를 훈련합니다.올해 수상자들은 1980년대부터 인공 신경망을 이용해 중요한 작업을 수행해왔습니다."

아카데미는 계속됩니다:“존 홉필드(John Hopfield)는 패턴을 저장하고 재현하는 방법을 사용하는 네트워크를 발명했습니다.노드를 픽셀로 생각할 수 있습니다.Hopfield 네트워크는 각 원자를 작은 자석으로 만드는 특성인 원자 스핀 덕분에 물질의 특성을 설명하는 물리학을 사용합니다.네트워크 전체는 물리학에서 발견되는 스핀 시스템의 에너지와 동등한 방식으로 기술되며, 저장된 이미지가 낮은 에너지를 갖도록 노드 간 연결 값을 찾아 훈련됩니다.Hopfield 네트워크에 왜곡되거나 불완전한 이미지가 제공되면 노드를 통해 체계적으로 작동하고 해당 값을 업데이트하여 네트워크의 에너지가 감소합니다.그런 다음 네트워크는 공급된 불완전한 이미지와 가장 유사한 저장된 이미지를 찾기 위해 단계적으로 작동합니다."

Geoffrey Hinton은 “그는 다른 방법을 사용하여 Hopfield의 네트워크를 새로운 네트워크의 기초로 사용했습니다.볼츠만 머신.이를 통해 특정 유형의 데이터에서 특징적인 요소를 인식하는 방법을 학습할 수 있습니다.Hinton은 많은 유사한 구성 요소로 구축된 시스템 과학인 통계 물리학의 도구를 사용했습니다.기계는 기계가 작동하기 시작할 때 나타날 가능성이 가장 높은 예를 제공하여 훈련됩니다.볼츠만 머신은 이미지를 분류하거나 학습된 패턴 유형의 새로운 예를 만드는 데 사용할 수 있습니다.Hinton은 이 작업을 기반으로 현재의 폭발적인 머신러닝 개발을 시작하는 데 도움을 주었습니다.”