Нобелевская премия: физика в основе машинного обучения
Нобелевскую премию по физике вручили ученым Джону Хопфилду и Джеффри Хинтону, которые использовали концепции физики для разработки методов, легших в основу современного машинного обучения.
Когда мы говорим об ИИ, то часто имеем в виду машинное обучение с использованием искусственных нейронных сетей. Эта технология изначально была вдохновлена структурой мозга. В искусственной сети нейроны представлены узлами с различными значениями. Эти узлы влияют друг на друга через связи, которые можно сравнить с синапсами, и которые могут становиться сильнее или слабее. Сеть обучается, например, за счет усиления связей между активными узлами. Лауреаты этого года с 1980-х годов работали над совершенствованием искусственных нейронных сетей, говорится на сайте Нобелевского комитета.
Физические законы
Джон Хопфилд создал на основе ассоциативной памяти нейронную сеть с симметричной матрицей связей, способную хранить и реконструировать изображения и другие типы паттернов в данных.
Сеть Хопфилда использует физические законы, описывающие свойства материала на основе атомного спина, где каждый атом ведет себя как крошечный магнит. Сеть в целом описывается аналогично энергии в системе спинов, применяемой в физике, и обучается путем определения значений для связей между узлами так, чтобы сохраненные изображения имели низкую энергию. Когда в сеть Хопфилда подается искаженное или неполное изображение, она методично проходит через узлы и обновляет их значения, что приводит к снижению энергии сети. Таким образом, сеть пошагово работает над поиском сохраненного изображения, которое наиболее близко соответствует изначально загруженному искаженному.
Джеффри Хинтон использовал сеть Хопфилда в качестве основы для новой сети, которая применяет другой метод: машину Больцмана. Она может научиться распознавать характерные элементы в определенном типе данных. Хинтон использовал инструменты статистической физики — науки о системах, состоящих из множества похожих компонентов. Система обучается на примерах, которые с высокой вероятностью возникают при ее работе. Машина Больцмана может использоваться для классификации изображений или создания новых образцов того типа паттернов, на которых она была обучена. Исследования Хинтона способствовали началу взрывного развития современного машинного обучения.
"Работа лауреатов уже принесла огромную пользу. В физике мы используем искусственные нейронные сети в самых разных областях, например, для разработки новых материалов с определенными свойствами", — говорит Эллен Мунс, председатель Нобелевского комитета по физике.
Редактор: Юлия Тислер