Нобелевская премия по физике 2024 года
Нобелевская премия по физике 2024 года присуждена Джону Дж. Хопфилду и Джеффри Э. Хинтону «за основополагающие открытия и изобретения, которые делают возможным машинное обучение с использованием искусственных нейронных сетей».
Лауреаты этого года использовали инструменты из физики для создания методов, которые помогли заложить основу для сегодняшнего машинного обучения. Джон Хопфилд создал структуру, которая может хранить и восстанавливать информацию. Джеффри Хинтон изобрел метод, который может независимо обнаруживать свойства в данных и который стал важным для больших искусственных нейронных сетей, используемых в настоящее время.
Когда мы говорим об искусственном интеллекте, мы часто подразумеваем машинное обучение с использованием искусственных нейронных сетей. Эта технология изначально была вдохновлена структурой мозга.
В искусственной нейронной сети нейроны мозга представлены узлами, которые имеют разные значения. Эти узлы влияют друг на друга через связи, которые можно сравнить с синапсами и которые можно сделать сильнее или слабее. Сеть обучается, например, путем развития более сильных связей между узлами с одновременно высокими значениями. Лауреаты этого года проводили важную работу с искусственными нейронными сетями с 1980-х годов.
Джеффри Хинтон, родился в 1947 году в Лондоне, Великобритания. Доктор наук 1978 г., Эдинбургский университет, Великобритания. Профессор в Университете Торонто, Канада.
Джон Хопфилд изобрел сеть, которая использует метод сохранения и воссоздания узоров. Мы можем представить узлы как пиксели. Сеть Хопфилда использует физику, которая описывает характеристики материала из-за его атомного спина — свойства, которое делает каждый атом крошечным магнитом.
Сеть в целом описывается способом, эквивалентным энергии в спиновой системе, найденной в физике, и обучается путем поиска значений для связей между узлами, так что сохраненные изображения имеют низкую энергию. Когда сети Хопфилда подается искаженное или неполное изображение, она методично прорабатывает узлы и обновляет их значения, так что энергия сети падает. Таким образом, сеть работает поэтапно, чтобы найти сохраненное изображение, которое больше всего похоже на несовершенное, которое ей дали.
Джеффри Хинтон использовал сеть Хопфилда в качестве основы для новой сети, которая использует другой метод: машину Больцмана. Она может научиться распознавать характерные элементы в заданном типе данных. Хинтон использовал инструменты из статистической физики, науки о системах, построенных из множества схожих компонентов.
Машина обучается путем подачи ей примеров, которые с большой вероятностью возникнут при запуске машины. Машину Больцмана можно использовать для классификации изображений или создания новых примеров типа шаблона, на котором она была обучена. Хинтон развил эту работу, помогая инициировать текущее быстрое развитие машинного обучения.
«Работа лауреатов уже принесла огромную пользу. В физике мы используем искусственные нейронные сети в широком спектре областей, таких как разработка новых материалов с определенными свойствами», — сказала Эллен Мунс, председатель Нобелевского комитета по физике.