O Prêmio Nobel de Física vai para os pais do aprendizado de máquina

O reconhecimento a John Hopfield e Geoffrey E.Hinton, que primeiro “treinou” redes neurais, abrindo caminho para a inteligência artificial

ROMA – O Prêmio Nobel de Física de 2024 foi concedido pela Academia Sueca a pesquisadores John Hopfield e Geoffrey E.Hinton, que primeiro “treinou” redes neurais, abrindo caminho para um “poderoso aprendizado de máquina automático”, portanto, à inteligência artificial.

O americano John Hopfield, como lemos na nota, “criou uma memória associativa capaz de arquivar e reconstruir imagens e outros tipos de modelos nos dados”.Quanto ao britânico Geoffrey Hinton, “ele inventou um método que pode encontrar propriedades em dados de forma independente e depois realizar tarefas como identificar elementos específicos em imagens”.

“O trabalho dos premiados já trouxe grandes benefícios.Na física usamos redes neurais artificiais em diversas áreas, como no desenvolvimento de novos materiais com propriedades específicas”, afirma Ellen Moons, presidente do Comitê do Nobel de Física.

A Academia Sueca continua:“Quando falamos de inteligência artificial, muitas vezes nos referimos ao aprendizado de máquina por meio de redes neurais artificiais. Esta tecnologia foi originalmente inspirada na estrutura do cérebro.Em uma rede neural artificial, os neurônios do cérebro são representados por nós que possuem valores diferentes.Esses nós influenciam-se mutuamente através de conexões que podem ser comparadas às sinapses e que podem ser fortalecidas ou enfraquecidas.A rede é treinada, por exemplo, desenvolvendo conexões mais fortes entre nós com valores simultaneamente elevados.Os vencedores deste ano realizaram um trabalho importante com redes neurais artificiais a partir da década de 1980."

A Academia continua:“John Hopfield inventou uma rede que utiliza um método para salvar e recriar padrões.Podemos pensar nos nós como pixels.A rede Hopfield utiliza física que descreve as características de um material graças ao seu spin atômico, propriedade que torna cada átomo um pequeno ímã.A rede como um todo é descrita de forma equivalente à energia do sistema de spin encontrado na física, e é treinada encontrando valores para conexões entre nós para que as imagens salvas tenham baixa energia.Quando a rede Hopfield recebe uma imagem distorcida ou incompleta, ela trabalha metodicamente através dos nós e atualiza seus valores para que a energia da rede diminua.A rede então trabalha em etapas para encontrar a imagem salva que seja mais parecida com aquela imperfeita com a qual foi alimentada."

Quanto a Geoffrey Hinton, “ele usou a rede de Hopfield como base para uma nova rede usando um método diferente:a máquina de Boltzmann.Isto pode aprender a reconhecer elementos característicos em um determinado tipo de dados.Hinton usou ferramentas da física estatística, a ciência dos sistemas construídos a partir de muitos componentes semelhantes.A máquina é treinada dando-lhe exemplos que provavelmente surgirão quando a máquina começar a funcionar.A máquina Boltzmann pode ser usada para classificar imagens ou criar novos exemplos do tipo de padrão no qual foi treinada.Hinton aproveitou esse trabalho, ajudando a iniciar o atual desenvolvimento explosivo do aprendizado de máquina.”