Нобель по физике присужден за работы о машинном обучении нейросетей
Нобелевскую премию по физике 2024 года получили ученые Джон Хопфилд и Джеффри Хинтон за открытия и изобретения, обеспечившие возможность машинного обучения нейросетей. Их работы в числе прочего помогли созданию современных систем искусственного интеллекта, пишет ВВС Русская Служба.
Кроме того, научные достижения лауреатов применяются при моделировании климата, разработке солнечных батарей и анализе медицинских изображений.
На пресс-конференции после сообщения о присуждении премии Хинтон назвал свою работу над нейронными сетями революционной, но также выразил беспокойство по поводу ее возможного применения в будущем.
Он сказал, что не сожалеет о своих открытиях и готов сделать их снова. «Но меня беспокоит, что в результате этого могут появиться системы, более интеллектуальные, чем мы, которые в конечном итоге возьмут управление в свои руки», — отметил ученый.
Как говорится в пресс-релизе Нобелевского комитета, Хопфилд и Хинтон использовали научные инструменты из физики для разработки методов, которые лежат в основе современного машинного обучения.
Что такое нейросети и как им помогли нобелевские лауреаты
Николай Воронин, научный корреспондент Русской службы Би-би-си
Вам наверняка доводилось пользоваться автоматическим компьютерным переводом, распознавать текст документа или даже вести относительно связную беседу с машиной. Все это — примеры повседневного применения технологии, которая уже давно играет важную роль в научных исследованиях, беря на себя анализ огромных объемов данных и их сортировку в соответствии с заданными параметрами.
Хотя мыслить самостоятельно компьютер, конечно же, не может, на сегодняшний день нейросеть уже вполне способна имитировать такие функции человеческого мозга, как память и обучение.
В значительной степени это стало возможно благодаря новоиспеченным нобелевским лауреатам.
Взяв за основу фундаментальные принципы физики, Хинтон и Хопфилд разработали алгоритмы, позволяющие использовать структуру машинных сетей для обработки информации, что позволяет программе обучаться и совершенствоваться самостоятельно, уже без помощи человека.
Привычное нам программное обеспечение использует набор уже готовых алгоритмов, которые можно сравнить с кулинарным рецептом: это инструкция о том, как смешать заданный набор ингредиентов в заданных же количествах, чтобы получить необходимый результат.
Нейросети учатся не на конкретных рецептах, а на обобщенных примерах (допустим, взятых из разных кулинарных книг), что делает их значительно более гибкими, позволяя решать задачи, которые для пошаговых инструкций могут быть слишком сложны и расплывчаты. Например, проанализировать фотографию и определить, что именно на ней изображено.
Джон Хопфилд создал ассоциативную память, которая может хранить и восстанавливать изображения и другие типы структур в данных. Джеффри Хинтон изобрел метод, который может автономно находить отдельные параметры в массивах данных и способен, например, идентифицировать конкретные элементы на фотографиях.
Создавая технологию нейронных сетей, ученые опирались на конструкцию человеческого мозга.
Узлы компьютерной нейронной сети связаны друг с другом на принципах, подобным тем, по которым работает человеческий мозг. Сеть обучается, например, путем развития более прочных связей между узлами, у которых в один момент времени одинаково высокие значения.
Хопфилд и Хинтон работали над разработкой нейросетей с 1980-х годов.
Джон Хопфилд изобрел сеть, которая использует метод сохранения и воссоздания повторяющихся структур.
При создании «сети Хопфилда» ученый опирался на принципы, которые изучает квантовая механика: характеристики системы, обусловленные ее атомным спином (то есть одним из свойств частиц).
Сеть описывается таким же способом, которым в физике описывается энергия спинов системы. Обучение такой сети происходит в процессе поиска таких параметров связей между ее узлами, которые обеспечивают минимальную энергию системы.
Когда сети предлагают неполное или искаженное изображение, она перебирает узлы и обновляет их значения таким образом, чтобы энергия системы в целом была минимальной. Таким образом сеть, например, ищет и находит в памяти изображение, максимально похожее на то, которое ей предложили.
Джеффри Хинтон использовал «сеть Хопфилда» в качестве основы для новой сети, которая использует другой метод: «машину Больцмана» — разновидность нейронной сети, которую Хинтон изобрел в 1985 году совместно с Терри Сейновски. Такая сеть может научиться распознавать характерные элементы в заданном типе данных.
Хинтон применил инструментарий статистической физики — науки о системах, построенных из множества одинаковых компонентов. Для обучения сети предлагают примеры, которые с большой вероятностью возникнут при ее работе.
«Машина Больцмана» может быть использована для классификации изображений или создания новых примеров того типа шаблонов, на которых она была обучена.
В прошлом году Нобелевскую премию по физике получили Пьер Агостини, Ференц Крауз и Анн Л’Юйе за экспериментальную разработку технологии сверхкоротких лазерных импульсов, которая фактически позволяет ученым «заглянуть внутрь атома».
Так называемая Нобелевская неделя традиционно проходит в Стокгольме в начале октября. Премия по физике — вторая из вручаемых.
В первый день стали известны лауреаты в области медицины и физиологии. Затем следуют вручения в области физики, химии, литературы, и в завершение недели объявляется лауреат Нобелевской премии мира, им может стать не только физическое лицо, но и целые организации. Это единственная премия, которая присуждается не Шведской, а Норвежской Академией наук.
Кроме того, с 1969 года по инициативе Банка Швеции присуждается ежегодная премия в области экономики памяти Альфреда Нобеля, хотя в его завещании эта категория изначально не была прописана.
Физика была первой областью науки, упомянутой в завещании Альфреда Нобеля. В нем же было указано, что премия по физике должна выдаваться Шведской королевской академией наук.
Академия была основана в 1739 году. На сегодняшний день в ней состоят около 450 шведских и 180 иностранных ученых.
Члены Нобелевского комитета назначаются Академией сроком на три года.