Ovogodišnja Nobelova nagrada za fiziku izazvala je veliko uzbuđenje jer je dodijeljena pionirima umjetne inteligencije Geoffreyju Hintonu i Johnu Hopfieldu. Njihov revolucionarni rad na neuronskim mrežama iz 80-ih godina prošlog stoljeća, inspiriran fizikalnim modelima, spojio je fiziku i računalne znanosti na načine koji su promijenili oba područja, a temelj su današnjeg moćnog strojnog učenja koje je započelo 2010..
John Hopfield stvorio je asocijativnu memoriju koja može pohraniti i rekonstruirati slike i druge vrste uzoraka u podacima. Geoffrey Hinton izumio je metodu koja može autonomno pronaći svojstva u podacima i tako izvršiti zadatke kao što je identificiranje specifičnih elemenata na slikama.
Razvoj kojemu sada svjedočimo omogućen je pristupom golemim količinama podataka koji se mogu koristiti za treniranje mreža, i kroz enormno povećanje računalne snage. Današnje umjetne neuronske mreže često su goleme i izgrađene od mnogo slojeva. One su nazivaju se dubokim neuronskim mrežama, a način na koji se one treniraju naziva se dubokim učenjem. Temelji su stari više od 40 godina.
Mreža koja sprema i stvara uzorke
John Hopfield izumio je mrežu koja koristi metodu za spremanje i ponovno stvaranje uzoraka. Čvorove možemo zamisliti kao piksele. Hopfieldova mreža koristi fiziku koja opisuje karakteristike materijala zbog njegove atomske vrtnje – svojstva koje svaki atom čini sićušnim magnetom. Mreža kao cjelina opisana je na način ekvivalentan energiji u spin sustavu koji se nalazi u fizici, i trenira se pronalaženjem vrijednosti za veze između čvorova tako da spremljene slike imaju nisku energiju.
Kada Hopfieldova mreža dobije iskrivljenu ili nepotpunu sliku, ona metodički radi kroz čvorove i ažurira njihove vrijednosti tako da energija mreže opada. Mreža tako radi korak po korak kako bi pronašla spremljenu sliku koja je najsličnija onoj nesavršenoj kojom je hranjena.
Geoffrey Hinton koristio je Hopfieldovu mrežu kao temelj za novu mrežu koja koristi drugačiju metodu: Boltzmannov stroj. Ovo može naučiti prepoznati karakteristične elemente u određenoj vrsti podataka. Hinton je koristio alate iz statističke fizike, znanosti o sustavima izgrađenim od mnogo sličnih komponenti.
Stroj se trenira tako da mu se daju primjeri koji će se vrlo vjerojatno pojaviti kada on radi. Boltzmannov stroj se može koristiti za klasificiranje slika ili stvaranje novih primjera vrste uzorka na kojem je uvježban. Hinton je nadogradio ovaj rad, pomažući u pokretanju trenutačnog eksplozivnog razvoja strojnog učenja.
“Rad laureata je već bio od najveće koristi. U fizici koristimo umjetne neuronske mreže u velikom rasponu područja, kao što je razvoj novih materijala sa specifičnim svojstvima,” rekla je Ellen Moons, predsjednica Nobelovog odbora za fiziku. Nagrada iznosi 11 milijuna švedskih kruna i bit će podijeljena među laureatima.
