“Iako računari ne mogu misliti, mašine sada mogu oponašati funkcije poput pamćenja i učenja. Ovogodišnji laureati iz fizike pomogli su da se to postigne,” navedeno je u saopćenju Nobelovog komiteta.
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
Kada govorimo o vještačkoj inteligenciji, često mislimo na mašinsko učenje pomoću vještačkih neuronskih mreža. Ova tehnologija je prvobitno bila inspirisana strukturom mozga. U vještačkoj neuronskoj mreži, neuroni u mozgu su predstavljeni čvorovima koji imaju različite vrijednosti. Ovi čvorovi međusobno utiču kroz veze koje se mogu uporediti sa sinapsama i koje mogu postati jače ili slabije. Mreža se obučava, na primjer, jačanjem veza između čvorova s istovremeno visokim vrijednostima. Ovogodišnji laureati su proveli važna istraživanja o vještačkim neuronskim mrežama od 1980-ih godina.
John Hopfield je izumio mrežu koja koristi metodu za čuvanje i ponovno stvaranje obrazaca. Možemo zamisliti čvorove kao piksele. Hopfieldova mreža koristi fiziku koja opisuje karakteristike materijala zbog atomskog spina – osobine koja svaki atom čini malim magnetom. Mreža u cjelini se opisuje na način ekvivalentan energiji u spin sistemu pronađenom u fizici, i trenira se pronalaženjem vrijednosti za veze između čvorova tako da sačuvane slike imaju nisku energiju. Kada se Hopfieldovoj mreži daje izobličena ili nepotpuna slika, ona metodski prolazi kroz čvorove i ažurira njihove vrijednosti tako da energija mreže opada. Mreža tako radi korak po korak kako bi pronašla sačuvanu sliku koja je najviše slična nepotpunoj slici koja joj je data.
Geoffrey Hinton je koristio Hopfieldovu mrežu kao osnovu za novu mrežu koja koristi drugačiju metodu: Boltzmannovu mašinu. Ova mašina može naučiti prepoznati karakteristične elemente u određenom tipu podataka. Hinton je koristio alate iz statističke fizike, nauke o sistemima izgrađenim od mnogih sličnih komponenti. Mašina se trenira tako što joj se daju primjeri koji su vrlo vjerovatni kada se mašina pokrene. Boltzmannova mašina se može koristiti za klasifikaciju slika ili stvaranje novih primjera tipa uzorka na kojem je trenirana. Hinton je nadogradio ovaj rad, pomažući da se pokrene trenutni eksplozivni razvoj mašinskog učenja.
„Rad laureata već je donio najveću korist. U fizici koristimo vještačke neuronske mreže u širokom spektru oblasti, kao što je razvoj novih materijala sa specifičnim svojstvima,” kaže Ellen Moons, predsjednica Nobelovog komiteta za fiziku.
(Vijesti.ba)