Нобелевская премия по физике за 2024 год была объявлена 8 октября около 17:45 по местному времени. Джон Дж. Хопфилд, ученый из Принстонского университета (США), и Джеффри Э. Хинтон, ученый из Университета Торонто (Канада), были удостоены премии за "фундаментальные открытия и изобретения, основанные на искусственных нейронных сетях, которые позволяют осуществлять машинное обучение".

Они используют физику для обучения искусственных нейронных сетей

Два нобелевских лауреата по физике этого года использовали инструменты физики для разработки методов, которые лежат в основе современного мощного машинного обучения. Джон Дж. Хопфилд создал ассоциативную память, которая хранит и восстанавливает шаблоны изображений и других типов данных. Джеффри Хинтон изобрел метод, который автоматически обнаруживает атрибуты в данных для выполнения таких задач, как распознавание определенных элементов изображения. задач, таких как распознавание определенных элементов на изображении.

Когда мы говорим об искусственном интеллекте, мы обычно имеем в виду машинное обучение с использованием искусственных нейронных сетей. Изначально эта техника была вдохновлена структурой мозга. В искусственной нейронной сети нейроны мозга представлены узлами с различными значениями. Эти узлы взаимодействуют друг с другом через связи, которые можно сравнить с синапсами, и могут быть усилены или ослаблены. Например, сеть обучается путем создания более прочных связей между узлами, которые также имеют высокие значения. Победители этого года занимаются важной работой в области искусственных нейронных сетей с 1980-х годов.

Джон Хопфилд изобрел сеть, которая может использовать метод сохранения и восстановления паттернов. Сеть Хопфилда использует физику для описания свойств материала из-за его атомного спина - свойства, которое делает каждый атом крошечным магнитом. Вся сеть описывается способом, эквивалентным энергии спиновых систем в физике, и обучается путем поиска значений для связей между узлами, чтобы сохраненные изображения имели низкую энергию. Когда сеть Хопфилда получает искаженное или неполное изображение, она методично перебирает узлы и обновляет их значения так, чтобы энергия сети падала. Таким образом, сеть постепенно находит сохраненное изображение, которое больше всего похоже на несовершенное изображение, которое ей подали.

Джеффри Хинтон использовал сеть Хопфилда в качестве основы для новой сети, которая использует другой подход - машину Больцмана. Она учится распознавать характерные элементы в заданном типе данных. Хинтон использовал инструменты статистической физики - науки о системах, состоящей из множества похожих элементов. Машина обучается путем подачи примеров, которые, скорее всего, будут иметь место в процессе работы. Машина Больцмана может использоваться для классификации изображений или создания новых примеров для того типа шаблонов, на которых она была обучена.

"Работа победителей уже приносит огромную пользу. В физике мы используем искусственные нейронные сети в самых разных областях, например, для разработки новых материалов с особыми свойствами". Эллен Мунс, председатель Нобелевского комитета по физике, сказала.