Американець Джон Гопфілд і володар британського та канадського громадянства Джеффрі Гінтон стали лауреатами Нобелівської премії з фізики за відкриття і винаходи, які уможливили машинне навчання з використанням штучних нейромереж, повідомили у Фонді Нобеля.
Американець Джон Гопфілд і канадець Джеффрі Гінтон
“Два нобелівські лауреати з фізики цього року використовували інструменти з фізики, щоб розробити методи, які стали основою сьогоднішнього потужного машинного навчання”, – йдеться в релізі Нобелівського комітету.
Фото: Прінстонський університет; wikipedia.org. Фото: Ремзі Карді
Гопфілд народився 1933 року в американському штаті Іллінойс, навчався в Корнелльському університеті. У 1982 році він винайшов асоціативну нейронну мережу, відому як “Мережа Гопфілда”.
uk.wikipedia.org/wiki/Джефрі_Гінтон
Гінтон народився 1947 року в передмісті Лондона. Він є праправнуком англійського математика і логіка Джорджа Буля. У 1970 році Гінтон закінчив Кембриджський університет, а 1978 року – Единбурзький університет. Спільно з Террі Сейновським винайшов нейронну мережу під назвою “Машина Больцмана”.
https://interfax.com.ua/news/general/1019092.html
У чому полягає відкриття?
Як зазначають у Фонді Нобеля, вчені навчали штучні нейронні мережі за допомогою фізики.
Машинне навчання відрізняється від традиційного програмного забезпечення, яке працює як певний рецепт.
Програмне забезпечення обробляє дані за чіткими алгоритмами та видає результати. Це дуже схоже до роботи кондитера, що готує торт – він збирає інгредієнти та “обробляє” їх за рецептом.
Комп’ютер теж навчається на прикладі, що дозволяє йому шукати відповіді за допомогою покрокових інструкцій. Одним із прикладів є інтерпретація зображення для ідентифікації об’єктів на ньому.
Джон Гопфілд створив асоціативну пам’ять, яка може зберігати та реконструювати зображення та інші типи шаблонів у даних.
Мережа Гопфілда використовує фізику, яка описує характеристики матеріалу через його атомне обертання – властивість, яка робить кожен атом крихітним магнітом.
У штучній нейронній мережі нейрони головного мозку представлені вузлами, які мають різні значення. Ці вузли впливають один на одного через зв’язки, які можна зробити сильнішими або послабленими.
Мережа навчається, наприклад, завдяки розробці сильніших зв’язків між вузлами з одночасними високими значеннями.
Наприклад, коли мережа Гопфілда отримує спотворене або неповне зображення, вона методично проходить через вузли та оновлює їхні значення. Це відбувається поетапно – мережа шукає зображення, яке найбільш схоже на недосконалий, розмитий або зернистий “взірець”.
Джефрі Хінтон використав мережу Гопфілда як основу для нової мережі, яка використовує інший метод – машину Больцмана. Ця модель навчається й опрацьовує системи побудовані з багатьох подібних компонентів.
Машині надають приклади – вона класифікує зображення або створює нові зразки того типу візерунка, на якому вона була навчена.
Хінтон спирався на цю роботу, допомагаючи розпочати поточний вибуховий розвиток машинного навчання.
“Робота лауреатів вже принесла найбільшу користь. У фізиці ми використовуємо штучні нейронні мережі в широкому діапазоні областей, як-от розробка нових матеріалів із певними властивостями”, – зазначила голова Нобелівського комітету з фізики Еллен Мунс.
https://life.pravda.com.ua/society/nobelivska-premiya-z-fiziki-hto-i-za-shcho-otrimav-304161/?
