Джон Хопфийлд и Джефри Хинтън получиха Нобеловата награда по физика

Кралската шведска академия на науките присъди Нобеловата награда по физика за 2024 г. на Джон Дж. Хопфийлд, Университет Принстън, Ню Джърси, САЩ, и Джефри Е. Хинтън, Университет Торонто, Канада „за основополагащи открития и изобретения, които позволяват машинно обучение с изкуствени невронни мрежи“.

Тазгодишните двама Нобелови лауреати по физика са използвали инструменти от физиката, за да разработят методи, които са в основата на днешното мощно машинно обучение. Джон Хопфийлд създава асоциативна памет, която може да съхранява и реконструира изображения и други видове модели в данните. Джефри Хинтън изобретява метод, който може автономно да намира свойства в данните и така да изпълнява задачи като идентифициране на конкретни елементи в картини.

Когато говорим за изкуствен интелект (ИИ/ AI), често имаме предвид машинно обучение с помощта на изкуствени невронни мрежи. Тази технология първоначално е вдъхновена от структурата на мозъка. В изкуствената невронна мрежа невроните на мозъка са представени от възли с различни стойности. Тези възли си влияят взаимно чрез връзки, които могат да бъдат оприличени на синапси и които могат да бъдат направени по-силни или по-слаби. Мрежата се обучава, например чрез разработване на по-силни връзки между възли с едновременно високи стойности. Тазгодишните лауреати са извършили важна работа с изкуствени невронни мрежи от 80-те години насам.

Джон Хопфийлд изобретява мрежа, която използва метод за запазване и пресъздаване на модели. Можем да си представим възлите като пиксели. Мрежата на Хопфийлд използва физика, която описва характеристиките на материала, дължащи се на неговото атомно въртене – свойство, което прави всеки атом малък магнит. Мрежата като цяло се описва по начин, еквивалентен на енергията във въртящата се система, открита във физиката, и се обучава чрез намиране на стойности за връзките между възлите, така че запазените изображения да имат ниска енергия. Когато мрежата на Хопфийлд получи изкривено или непълно изображение, тя методично работи през възлите и актуализира техните стойности, така че енергията на мрежата да спадне. По този начин мрежата работи поетапно, за да намери запазеното изображение, което е най-подобно на несъвършеното, с което е захранена.

Джефри Хинтън използва мрежата на Хопфийлд като основа за нова мрежа, която използва различен метод: машината на Болцман. Тя може да се научи да разпознава характерни елементи в даден тип данни. Хинтън използва инструменти от статистическата физика, науката за системи, изградени от много подобни компоненти. Машината се обучава, като ѝ се подават примери, които е много вероятно да възникнат, когато машината работи. Машината на Болцман може да се използва за класифициране на изображения или за създаване на нови примери за типа модел, на който е била обучена. Хинтън се основава на тази работа, помагайки за започване на сегашното експлозивно развитие на машинното обучение.

„Работата на лауреатите вече е от най-голяма полза. Във физиката използваме изкуствени невронни мрежи в широк спектър от области, като например разработване на нови материали със специфични свойства“, казва Елън Мунс, председател на Нобеловия комитет по физика.