Στους Τζον Χόππφιλντ και Τζέφρι Χίντον απονεμήθηκε το φετινό βραβείο Νόμπελ Φυσικής που αφορά στην έρευνά τους για τα τεχνητά νευρωνικά δίκτυα.
Οι δύο φετινοί νομπελίστες φυσικής χρησιμοποίησαν εργαλεία από τον κλάδο της Φυσικής για να αναπτύξουν μεθόδους που αποτελούν τη βάση της σημερινής ισχυρής μηχανικής μάθησης.
Ο Τζον Χόππφιλντ δημιούργησε μια συνειρμική μνήμη που μπορεί να αποθηκεύει και να ανακατασκευάζει εικόνες και άλλους τύπους μοτίβων στα δεδομένα.
Ο Τζέφρι Χίντον επινόησε μια μέθοδο που μπορεί να βρίσκει αυτόνομα ιδιότητες σε δεδομένα και έτσι να εκτελεί εργασίες όπως ο εντοπισμός συγκεκριμένων στοιχείων σε εικόνες.
BREAKING NEWS
The Royal Swedish Academy of Sciences has decided to award the 2024 #NobelPrize in Physics to John J. Hopfield and Geoffrey E. Hinton “for foundational discoveries and inventions that enable machine learning with artificial neural networks.” pic.twitter.com/94LT8opG79— The Nobel Prize (@NobelPrize) October 8, 2024
Τι είναι τα τεχνητά νευρωνικά δίκτυα
Όταν μιλάμε για τεχνητή νοημοσύνη, συχνά εννοούμε τη μηχανική μάθηση με τη χρήση τεχνητών νευρωνικών δικτύων. Αυτή η τεχνολογία εμπνεύστηκε αρχικά από τη δομή του εγκεφάλου.
Σε ένα τεχνητό νευρωνικό δίκτυο, οι νευρώνες του εγκεφάλου αντιπροσωπεύονται από κόμβους που έχουν διαφορετικές τιμές. Αυτοί οι κόμβοι επηρεάζουν ο ένας τον άλλον μέσω συνδέσεων που μπορούν να παρομοιαστούν με συνάψεις και οι οποίες μπορούν να γίνουν ισχυρότερες ή ασθενέστερες.
Το δίκτυο εκπαιδεύεται, για παράδειγμα με την ανάπτυξη ισχυρότερων συνδέσεων μεταξύ κόμβων με ταυτόχρονα υψηλές τιμές. Οι φετινοί βραβευθέντες έχουν πραγματοποιήσει σημαντικό έργο με τεχνητά νευρωνικά δίκτυα από τη δεκαετία του 1980 και μετά.
«Το έργο των βραβευθέντων έχει ήδη αποφέρει τα μεγαλύτερα οφέλη. Στη φυσική χρησιμοποιούμε τεχνητά νευρωνικά δίκτυα σε ένα ευρύ φάσμα τομέων, όπως η ανάπτυξη νέων υλικών με συγκεκριμένες ιδιότητες», είπε η Ellen Moons, πρόεδρος της Επιτροπής Νόμπελ Φυσικής.
Ποιοι είναι οι δύο επιστήμονες που πήραν το φετινό Νόμπελ Φυσικής
Ο Τζον Χόππφιλντ εφηύρε ένα δίκτυο που χρησιμοποιεί μια μέθοδο για την αποθήκευση και την αναδημιουργία μοτίβων. Μπορούμε να φανταστούμε τους κόμβους ως εικονοστοιχεία.
Το δίκτυο Hopfield χρησιμοποιεί τη φυσική που περιγράφει τα χαρακτηριστικά ενός υλικού λόγω του ατομικού του σπιν – μια ιδιότητα που καθιστά κάθε άτομο έναν μικροσκοπικό μαγνήτη.
Το δίκτυο στο σύνολό του περιγράφεται με τρόπο ισοδύναμο με την ενέργεια στο σύστημα σπιν που συναντάμε στη φυσική και εκπαιδεύεται με την εύρεση τιμών για τις συνδέσεις μεταξύ των κόμβων, έτσι ώστε οι αποθηκευμένες εικόνες να έχουν χαμηλή ενέργεια.
Όταν το δίκτυο Hopfield τροφοδοτείται με μια παραμορφωμένη ή ελλιπή εικόνα, επεξεργάζεται μεθοδικά τους κόμβους και ενημερώνει τις τιμές τους, ώστε η ενέργεια του δικτύου να μειώνεται. Το δίκτυο εργάζεται έτσι σταδιακά για να βρει την αποθηκευμένη εικόνα που μοιάζει περισσότερο με την ατελή εικόνα με την οποία τροφοδοτήθηκε.
Ο Τζέφρι Χίντον χρησιμοποίησε το δίκτυο Hopfield ως βάση για ένα νέο δίκτυο που χρησιμοποιεί μια διαφορετική μέθοδο: τη μηχανή Boltzmann. Αυτή μπορεί να μάθει να αναγνωρίζει χαρακτηριστικά στοιχεία σε έναν δεδομένο τύπο δεδομένων.
Ο Χίντον χρησιμοποίησε εργαλεία από τη στατιστική φυσική, την επιστήμη των συστημάτων που κατασκευάζονται από πολλά παρόμοια στοιχεία. Η μηχανή εκπαιδεύεται τροφοδοτώντας την με παραδείγματα που είναι πολύ πιθανό να εμφανιστούν κατά την εκτέλεση της μηχανής.
Η μηχανή Boltzmann μπορεί να χρησιμοποιηθεί για την ταξινόμηση εικόνων ή τη δημιουργία νέων παραδειγμάτων του τύπου μοτίβου στο οποίο εκπαιδεύτηκε. Ο Hinton βασίστηκε σε αυτό το έργο, συμβάλλοντας στην έναρξη της σημερινής εκρηκτικής ανάπτυξης της μηχανικής μάθησης.
