Tegoroczna Nagroda Nobla z fizyki została przyznana dwóm naukowcom. Są to John Hopfield i Geoffrey Hinton, którzy zostali odznaczeni tym wyróżnieniem
„za odkrycia i wynalazki, które umożliwiają uczenie maszynowe za pomocą sieci neuronowych.”
(ang. „for foundational discoveries and inventions that enable machine learning with artificial neural networks”).
Gdy mówimy o sztucznej inteligencji, często mamy na myśli uczenie maszynowe, które używa sieci neuronowych. Technologia ta była zainspirowana strukturami mózgu. Tak jak w mózgu obecne są neurony, w sieciach neuronowych znajdziemy sztuczne neurony – i tak jak nasz mózg, sieci te uczą się poprzez wzmacnianie połączeń między konkretnymi neuronami. Tegoroczni laureaci Nagrody Nobla pracowali nad sieciami neuronowymi i rozwijali je już od lat osiemdziesiątych. Dzisiaj ich odkrycia są podstawą dla działania uczenia maszynowego i to dzięki nim mógł nastąpić błyskawiczny rozwój i rozpowszechnienie sztucznej inteligencji, jakie obserwujemy.
John Hopfield stworzył sieć, która wykorzystuje szczególną metodę do zapisywania i odtwarzania wzorów. Sieć Hopfielda (ang. Hopfield network) – również nazywana siecią asocjacyjną – wykorzystuje fizykę, która opisuje właściwości materiału w zależności od spinu atomów. Dysponując dużą ilością danych wzorcowych, na których została nauczona, sieć jest w stanie rozpoznawać wcześniej zapamiętane wzory w innych danych. Potrafi też rekonstruować np. obrazy na podstawie dostępnych fragmentów, które zostały jej podane, lub na podstawie innego, podobnego wzorca.
Geoffrey Hinton użył sieci Hopfielda jako podstawy do stworzenia własnej sieci, która wykorzystuje inną metodę. Chodzi tu o maszynę Boltzmanna (ang. Boltzmann machine). Może ona rozpoznawać charakterystyczne fragmenty w dowolnym zestawie danych. Stworzona została za pomocą narzędzi fizyki statystycznej, która składa się z wielu podobnych elementów. Maszynę Boltzmanna uczy się przez podanie jej przykładów, które najprawdopodobniej napotka w trakcie pracy. Można jej używać do rozróżniania obrazów lub tworzenia nowych na podstawie przykładów, na których została nauczona. Hinton rozwijał ten pomysł przez kolejne lata, co miało duży wkład w dzisiejszy, niezwykle szybko postępujący rozwój uczenia maszynowego.
Zgodnie ze słowami Ellen Moons, przewodniczącej Komitetu Noblowskiego:
„Praca laureatów już przyniosła ogromne korzyści. W fizyce używamy sieci neuronowych w wielu różnych obszarach, takich jak rozwijanie nowych materiałów o konkretnych właściwościach.”
Zgłoś naruszenie/Błąd
Pozytywnie
Neutralnie 
Negatywnie
Lubię to!
Super
Ekscytujący 
Ciekawy
Smieszny
Smutny
Wściekły
Przerażony
Szokujący
Wzruszający
Rozczarowany
Zaskoczony
Prawda
Manipulacja
Fake news
Oryginalne źródło ZOBACZ
Dodaj kanał RSS
Musisz być zalogowanym aby zaproponować nowy kanal RSS