Нобелівську премію з фізики вручили за відкриття, які дозволяють машинне навчання за допомогою штучних нейронних мереж

Нобелівську премію з фізики присудили Джону Гопфілду і Джеффрі Гінтону «за основоположні відкриття і винаходи, які дозволяють машинне навчання за допомогою штучних нейронних мереж». Лауреатам вручили премію у розмірі 11 мільйонів шведських крон (понад мільйон доларів), які вони поділять порівну.

Про це повідомили в Нобелівському комітеті.

Цьогорічні лауреати Нобелівської премії з фізики — це 76-річний британський вчений і 91-річний американський науковець Гопфілд. Вони використали інструменти фізики для розробки методів, які є основою сучасного потужного машинного навчання, розповіли у пресслужбі Нобелівського комітету.

Джон Гопфілд створив асоціативну памʼять, яка може зберігати й реконструювати зображення та інші типи шаблонів у даних. А Джефрі Гінтон винайшов метод, який може автономно знаходити властивості в даних, виконуючи в такий спосіб різні завдання, як-от ідентифікація конкретних елементів на зображеннях.

«Коли ми говоримо про штучний інтелект, ми часто маємо на увазі машинне навчання за допомогою штучних нейронних мереж. Ця технологія спочатку була навіяна структурою мозку. У штучній нейронній мережі нейрони головного мозку представлені вузлами, які мають різні значення. Ці вузли впливають один на одного через звʼязки, які можна уподібнити до синапсів і які можна зробити сильнішими або слабшими. Мережа навчається, зокрема, завдяки розробці сильніших звʼязків між вузлами з одночасними високими значеннями. Цьогорічні лауреати проводили важливу роботу зі штучними нейронними мережами з 1980-х», — йдеться у пресрелізі.

Джон Гопфілд створив мережу, яка використовує метод збереження та відтворення зразків. Можна уявити вузли цієї мережі як пікселі. Мережа Гопфілда спирається на фізичні закони, що описують властивості матеріалів завдяки атомній спіновій системі — явищу, яке робить кожен атом крихітним магнітом.

Уся мережа описується аналогічно енергії спінової системи в фізиці, а навчання мережі полягає в тому, щоб знайти таке значення для звʼязків між вузлами, аби збережені зображення мали низький рівень енергії.

Коли в мережу Гопфілда подають спотворене або неповне зображення, вона поступово обробляє вузли й оновлює їхні значення, щоб знизити енергію системи. Так, мережа крок за кроком знаходить збережене зображення, яке найбільше схоже на те, що їй подали у спотвореному вигляді.

Джеффрі Гінтон використав мережу Гопфілда як основу для створення нової мережі, яка використовує інший метод — машину Больцмана. Ця машина здатна навчитися розпізнавати характерні елементи в певному типі даних.

Гінтон застосував інструменти зі статистичної фізики — науки, яка вивчає системи, що складаються з багатьох схожих компонентів. Машина навчається на прикладах, які з великою ймовірністю можуть виникнути під час її роботи.

Машину Больцмана можна використовувати для класифікації зображень або створення нових зразків на основі тих патернів, на яких її навчали. Гінтон продовжив розвивати цю технологію, що стало поштовхом до сучасного стрімкого розвитку машинного навчання.

«Робота лауреатів уже принесла величезну користь. У фізиці ми використовуємо штучні нейронні мережі в широкому спектрі напрямків, наприклад, для розробки нових матеріалів з певними властивостями», — заявила голова Нобелівського комітету з фізики Еллен Мунс.

• Нобелівська премія є однією з найпрестижніших міжнародних премій, яку щороку присуджують за видатні наукові дослідження, революційні винаходи або значний внесок у культуру чи розвиток суспільства.