Нобелівську премію з фізики 2024 року отримали вчені Джон Хопфілд та Джеффрі Хінтон за відкриття та винаходи, що забезпечили можливість машинного навчання нейромереж. Їхні роботи серед іншого допомогли створенню сучасних систем штучного інтелекту (ШІ).
Крім того, наукові досягнення лауреатів застосовуються при моделюванні клімату, розробці сонячних батарей та аналізі медичних зображень.
На прес-конференції після повідомлення про присудження премії Хінтон назвав свою роботу над нейронними революційними мережами, але також висловив занепокоєння з приводу її можливого застосування в майбутньому.
Він сказав, що не шкодує про свої відкриття та готовий зробити їх знову. "Але мене турбує, що в результаті цього можуть з'явитися системи, більш інтелектуальні, ніж ми, які зрештою візьмуть управління у свої руки", — зазначив учений.
Як йдеться у прес-релізі Нобелівського комітету, Хопфілд та Хінтон використали наукові інструменти з фізики для розробки методів, що лежать в основі сучасного машинного навчання.
Що таке нейромережі
Вам, напевно, доводилося користуватися автоматичним комп'ютерним перекладом, розпізнавати текст документа або навіть вести відносно зв'язкову розмову з машиною. Все це — приклади повсякденного застосування технології, яка вже давно відіграє важливу роль у наукових дослідженнях, беручи на себе аналіз величезних обсягів даних та їхнє сортування відповідно до заданих параметрів.
За останні 15-20 років галузь машинного навчання переживає бурхливе зростання, особливо у тому, що стосується технологій, що працюють на основі штучно створених людиною нейронних мереж. Саме їх найчастіше мають на увазі, говорячи про ШІ.
Хоча мислити самостійно комп'ютер, звичайно ж, не може, на сьогоднішній день нейромережа вже цілком здатна імітувати такі функції людського мозку, як пам'ять та навчання.
Значною мірою це стало можливим завдяки новоспеченим нобелівським лауреатам. Взявши за основу фундаментальні принципи фізики, Хінтон та Хопфілд розробили алгоритми, що дозволяють використовувати структуру машинних мереж для обробки інформації, що дозволяє програмі навчатися та вдосконалюватися самостійно, вже без допомоги людини.
Звичне нам програмне забезпечення використовує набір вже готових алгоритмів, які можна порівняти з кулінарним рецептом: це інструкція про те, як змішати заданий набір інгредієнтів у заданих кількостях, щоб отримати необхідний результат.
Нейросети навчаються не на конкретних рецептах, а на узагальнених прикладах (припустимо, взятих із різних кулінарних книг), що робить їх значно більш гнучкими, дозволяючи вирішувати завдання, які для покрокових інструкцій можуть бути надто складними та розпливчастими. Наприклад, проаналізувати фотографію та визначити, що саме на ній зображено.
Що таке «мережа Хопфілда»
Джон Хопфілд створив асоціативну пам'ять, яка може зберігати та відновлювати зображення та інші типи структур у даних. Джеффрі Хінтон винайшов метод, який може самостійно знаходити окремі параметри в масивах даних і здатний, наприклад, ідентифікувати конкретні елементи на фотографіях.
Створюючи технологію нейронних мереж, вчені спиралися на конструкцію людського мозку.
Вузли комп'ютерної нейронної мережі пов'язані один з одним на принципах, подібних до тих, за якими працює людський мозок. Мережа навчається, наприклад, шляхом розвитку більш міцних зв'язків між вузлами, у яких одночасно часу однаково високі значення.
Хопфілд та Хінтон працювали над розробкою нейромереж з 1980-х років.
Джон Хопфілд винайшов мережу, яка використовує метод збереження та відтворення повторюваних структур.
Під час створення «мережі Хопфілда» вчений спирався на принципи, які вивчає квантова механіка: характеристики системи, зумовлені її атомним спином (тобто однією з властивостей частинок).
Мережа описується таким самим способом, яким у фізиці описується енергія спинів системи. Навчання такої мережі відбувається у процесі пошуку таких параметрів зв'язків між її вузлами, які забезпечують мінімальну енергію системи.
Коли мережі пропонують неповне або спотворене зображення, вона перебирає вузли та оновлює їх значення таким чином, щоб енергія системи загалом була мінімальною. Таким чином, мережа, наприклад, шукає і знаходить у пам'яті зображення, максимально схоже на те, яке їй запропонували.
Джеффрі Хінтон використав «мережу Хопфілда» як основу для нової мережі, яка використовує інший метод: «машину Больцмана» — різновид нейронної мережі, яку Хінтон винайшов у 1985 році спільно з Террі Сейновськи. Така мережа може навчитися розпізнавати характерні елементи заданому типі даних.
Хінтон застосував інструментарій статистичної фізики — науки про системи, побудовані з безлічі однакових компонентів. Для навчання мережі пропонують приклади, які з ймовірністю виникнуть при її роботі.
Машина Больцмана може бути використана для класифікації зображень або створення нових прикладів того типу шаблонів, на яких вона була навчена.
Створивши таку мережу, Хопфілд виявив, що вона має дивовижну властивість — справжню пам'ять: може запам'ятовувати картину власної активації (тобто «патерн» — те, які нейрони в якому стані знаходяться в даний момент) і відновлює цю картину при невеликих спотвореннях.
Якщо вам цікаві новітні розробки в науковій та технічній сфері, підпишіться на електронну версію нашого журналу. 
Там ви знайдете ексклюзивні матеріали, які не були опубліковані на нашому сайті!