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.

Що відомо про лауреатів?

Джон Гопфілд раніше використовував свій досвід фізики для дослідження теоретичних проблем молекулярної біології. Одного разу його запросили на подію про нейронауку, він познайомився з дослідженнями структури мозку. Він був зачарований тим, що дізнався, і почав розмірковувати про динаміку простих нейронних мереж.

У 1980 році Гопфілд залишив свою посаду в Принстонському університеті, де його наукові інтереси вивели його за межі сфер, у яких працювали його колеги-фізики, і переїхав на інший континент. Він прийняв пропозицію стати професором хімії та біології в Каліфорнійському технологічному інституті.

Там він отримав доступ до комп’ютерних ресурсів, які міг використовувати для безкоштовних експериментів і розвитку своїх ідей про нейронні мережі.

Нобелівську премію він отримав як Професор Принстонського університету в Нью-Джерсі, США.

Доктор Хінтон почав досліджувати нейронні мережі ще на початку 1970-х років, коли був аспірантом Единбурзького університету. Тоді мало дослідників вірили в цю ідею.

У 2010-му він розпочав новий етап роботи, щоб розвинути технологію за підтримки уряду Канади.

У 2012 році доктор Хінтон і двоє його аспірантів зробили прорив у цій технології. Тоді вчений приєднався до Google.

У 2019 році за роботу над нейронними мережами він отримав нагороду Тюрінга, яку часто називають «Нобелівською премією з обчислювальної техніки».

Однак згодом він залишив роботу в Google, щоб вільніше говорити про небезпеку технології, участь у створенні якої він брав.

Наразі він є професором Університету Торонто в Канаді.

Нагадаємо, премії з фізики присуджуються з 1901 року.

Минулого року лауреатами Нобелівської премії у галузі фізики стали науковці П'єр Агостіні, Ференц Крауш та Енн Л’Юільє. Їх нагородили за «експериментальні методи, які генерують аттосекундні імпульси світла для вивчення динаміки електронів у матерії».

Leopolis.news