Нобелевская премия по физике достается отцам машинного обучения

Признание Джона Хопфилда и Джеффри Э.Хинтон, который первым «обучил» нейронные сети, проложив путь к искусственному интеллекту

РИМ – Нобелевская премия по физике 2024 года присуждена Шведской академией исследователям Джон Хопфилд и Джеффри Э.Хинтон, который первым «обучил» нейронные сети, проложив путь к «мощному автоматическому машинному обучению»., следовательно, к искусственному интеллекту.

Американец Джон Хопфилд, как мы читаем в заметке, «создал ассоциативную память, способную архивировать и реконструировать в данных изображения и другие типы моделей».Что касается британца Джеффри Хинтона, «он изобрел метод, который позволяет самостоятельно находить свойства в данных, а затем выполнять такие задачи, как выявление конкретных элементов на изображениях».

«Работа лауреатов уже принесла большую пользу.В физике мы используем искусственные нейронные сети в самых разных областях, например, при разработке новых материалов с особыми свойствами», — говорит Эллен Мунс, президент Нобелевского комитета по физике.

Шведская Академия продолжает:«Когда мы говорим об искусственном интеллекте, мы часто имеем в виду машинное обучение с помощью искусственных нейронных сетей. Эта технология изначально была вдохновлена ​​структурой мозга..В искусственной нейронной сети нейроны мозга представлены узлами, имеющими разные значения.Эти узлы влияют друг на друга через связи, которые можно сравнить с синапсами и которые можно усиливать или ослаблять.Сеть обучается, например, путем разработки более прочных связей между узлами с одновременно высокими значениями.Победители этого года провели важную работу с искусственными нейронными сетями, начиная с 1980-х годов».

Академия продолжает:«Джон Хопфилд изобрел сеть, которая использует метод сохранения и воссоздания шаблонов.Мы можем думать об узлах как о пикселях.Сеть Хопфилда использует физику, которая описывает характеристики материала благодаря его атомному вращению — свойству, которое делает каждый атом маленьким магнитом.Сеть в целом описывается способом, эквивалентным энергии в спиновой системе, найденной в физике, и обучается путем поиска значений связей между узлами, чтобы сохраненные изображения имели низкую энергию.Когда сети Хопфилда предоставляется искаженное или неполное изображение, она методично прорабатывает узлы и обновляет их значения, чтобы энергия сети уменьшалась.Затем сеть работает поэтапно, чтобы найти сохраненное изображение, наиболее похожее на несовершенное изображение, которым оно было загружено».

Что касается Джеффри Хинтона, «он использовал сеть Хопфилда как основу для новой сети, используя другой метод:машина Больцмана.Это позволяет научиться распознавать характерные элементы в данных данного типа.Хинтон использовал инструменты статистической физики, науки о системах, построенных из множества похожих компонентов.Машину обучают, давая ей примеры, которые, скорее всего, возникнут при запуске машины.Машину Больцмана можно использовать для классификации изображений или создания новых примеров того типа шаблона, на котором она обучалась.Хинтон опирался на эту работу, помогая инициировать нынешнее бурное развитие машинного обучения».