2024년 노벨 물리학상 수상자는 10월 8일 오후 5시 45분(영국 중부표준시) 경에 발표되었습니다. 미국 프린스턴 대학교의 과학자 존 J. 홉필드와 캐나다 토론토 대학교의 과학자 제프리 E. 힌튼이 "기계 학습을 가능하게 하는 인공 신경망에 기반한 근본적인 발견과 발명"을 인정받아 수상의 영예를 안았습니다.

물리학을 사용하여 인공 신경망을 훈련합니다.

올해의 노벨 물리학상 수상자 중 두 사람은 물리학의 도구를 사용하여 오늘날 강력한 머신 러닝의 기반이 되는 방법을 개발했습니다. 존 J. 홉필드는 이미지 및 기타 유형의 데이터 패턴을 저장하고 재구성하는 연관 메모리를 만들었고, 제프리 힌튼은 데이터에서 속성을 자동으로 발견하여 이미지의 특정 요소 인식과 같은 작업을 수행하는 이미지의 특정 요소 인식과 같은 작업을 수행하는 방법을 발명했습니다.

인공 지능이라고 하면 보통 인공 신경망을 사용하는 머신 러닝을 말합니다. 이 기술은 원래 뇌의 구조에서 영감을 받았습니다. 인공 신경망에서 뇌의 뉴런은 서로 다른 값을 가진 노드로 표현됩니다. 이러한 노드는 시냅스에 비유할 수 있는 연결을 통해 서로 상호 작용하며 강화하거나 약화시킬 수 있습니다. 예를 들어, 네트워크는 높은 값을 가진 노드 간에 더 강한 연결을 생성함으로써 훈련됩니다. 올해의 수상자들은 1980년대부터 인공 신경망에 대한 중요한 연구를 수행해 왔습니다.

존 홉필드는 패턴을 보존하고 재구성하는 방법을 사용할 수 있는 네트워크를 발명했습니다. 노드는 픽셀로 생각할 수 있으며, 홉필드 네트워크는 물리학을 이용해 각 원자를 작은 자석으로 만드는 특성인 원자 스핀으로 인해 물질의 특성을 설명합니다. 전체 네트워크는 물리학의 스핀 시스템에서 발견되는 에너지와 동일한 방식으로 설명되며, 저장된 이미지가 낮은 에너지를 갖도록 노드 간의 연결 값을 찾아 학습합니다. 홉필드 네트워크는 왜곡되거나 불완전한 이미지를 얻으면 체계적으로 노드를 통과하여 네트워크의 에너지가 떨어지도록 값을 업데이트합니다. 따라서 네트워크는 불완전한 이미지와 가장 유사한 저장된 이미지를 점차적으로 찾게 됩니다.

제프리 힌튼은 홉필드 네트워크를 기반으로 볼츠만 머신이라는 다른 접근 방식을 취하는 새로운 네트워크를 개발했습니다. 이 머신은 주어진 유형의 데이터에서 특징적인 요소를 인식하는 방법을 학습하는데, 힌튼은 여러 유사한 요소로 구성된 시스템 과학인 통계 물리학의 도구를 사용했습니다. 머신러닝은 실제로 작동할 때 발생할 수 있는 예시를 입력해 학습합니다. 볼츠만 머신은 이미지를 분류하거나 학습된 패턴 유형에 대한 새로운 예제를 생성하는 데 사용할 수 있으며, Hinton은 이 작업을 기반으로 현재 머신러닝의 폭발적인 성장을 이끌었습니다.

"수상자들의 연구는 이미 엄청난 이점을 제공하고 있습니다. 예를 들어 물리학에서는 특정 특성을 가진 신소재를 개발하는 등 다양한 분야에서 인공 신경망을 활용하고 있습니다." 노벨 물리학상 위원회 위원장인 엘렌 문스는 이렇게 말했습니다.