Nobel z fizyki: uhonorowanie wkładu fizyków w rozwój AI
8 października Komitet Królewskiej Szwedzkiej Akademii Nauk ogłosił laureatów Nagrody Nobla z fizyki za rok 2024. John Hopfield z Uniwersytetu Princeton oraz Geoffrey Hinton z Uniwersytetu w Toronto zostali nagrodzeni „za fundamentalne odkrycia i wynalazki umożliwiające uczenie maszynowe przy użyciu sztucznych sieci neuronowych”.
– W pierwszej chwili wybór komisji noblowskiej był dla mnie dużym zaskoczeniem, bo z punktu widzenia fizyki modele Hopfielda i Hintona nie wydają się kluczowe dla jej rozwoju – komentuje dr hab. Krzysztof Graczyk, prof. UWr, prodziekan Wydziału Fizyki i Astronomii UWr. – Biorąc jednak pod uwagę rozwój technologiczny i rozwój sztucznej inteligencji ich wkład jest ogromy. Zatem, po chwili namysłu, uważam, że nagroda jest jak najbardziej zasłużona – ocenia naukowiec.
Wydaje się, że decyzja komitetu noblowskiego jest uhonorowaniem olbrzymiego postępu w rozwoju sztucznej inteligencji. – Komisja noblowska, swoim wyborem, podkreśla wkład fizyków do rozwoju metod sztucznej inteligencji. Z drugiej strony fizycy stosują i badają sztuczne sieci neuronowe, odkąd się pojawiły. Istotnie, z punktu widzenia fizyki sieć neuronowa to układ złożony. Dziś głębokie sieci neuronowe stały się jednym ze standardowych narzędzi wykorzystywanych w badaniach układów fizycznych – tłumaczy prodziekan.
John Hopfield to fizyk mający szerokie zainteresowania. Jego główna działalność naukowa koncentrowała się na zagadnieniach z zakresu fizyki fazy skondensowanej. Należy podkreślić, że jego zainteresowania naukowe znacznie wychodziły poza fizykę. Zajmował się między innymi badaniami z pogranicza neurobiologii. Jego najbardziej znanym osiągnięciem, za które uhonorowany został nagrodą Nobla, jest model pamięci skojarzeniowej (asocjatywnej), zwany modelem Hofpielda. – Jest to bardzo prosty model połączonych ze sobą neuronów, który pozwala „zapamiętać” pewną liczbę wzorców (np. czarnobiałych zdjęć). Model Hopfielda motywowany był układami fizycznymi opisującymi magnetyki. Dzięki temu sieć opisujemy w podobny sposób jak układ fizyczny. Możemy np. scharakteryzować system podając jego energię, a stosując metody fizyki statystycznej, możemy uzyskać informację o własnościach modelu takich jak jego pojemność – wyjaśnia profesor Graczyk. Niewątpliwie, prace Hopfielda zastymulowały rozwój sieci neuronowych. Sam Hopfield wypromował wielu naukowców zajmujących się sztuczną inteligencją – dodaje.
Geoffrey Hinton jest uważany za jednego z ojców chrzestnych głębokiego uczenia, głębokich sieci neuronowych. Jego wkład w rozwój sztucznej inteligencji jest olbrzymi. Inspirację w swoich początkowych badaniach czerpał z neurobiologii, psychologii, a także fizyki.
Profesor Graczyk opisuje na czym polegały odkrycia laureatów: – Model Hopfielda jest pięknym matematycznym tworem o dość ograniczonych praktycznych zastosowaniach. Geoffrey Hinton, zaproponował jego rozszerzenie – maszynę Boltzmanna, która ma znacznie szersze zastosowania praktyczne, pozwala np. klasyfikować zawartość zdjęć. Zaproponowany model wciąż bazuje na metodach znanych w fizyce statystycznej. Parametry sieci są tak dobrane by energia dla tego układu była w minimum globalnym, zatem w stanie równowagowym. Prace nad maszynami Boltzmanna były istotnym krokiem w uzyskaniu głębokich sieci neuronowych. Maszyny Boltzmanna pozwalają wydobyć z poprowadzonych danych ich cechy charakterystyczne, podobnie jak głębokie sieci neuronowe.
Decyzja komitetu noblowskiego pokazuje jak ważnym tematem we współczesnej nauce jest sztuczna inteligencja i jak interdyscyplinarne jest to zagadnienie. Konferencja AI organizowana 18 października na Wydziale Matematyki i Informatyki UWr poświęcona zastosowaniom sztucznej inteligencji w różnych dziedzinach nauki, doskonale wpisuje się w tematykę tegorocznej Nagrody Nobla. Wydarzenie to ma szansę stać się zalążkiem interdyscyplinarnej współpracy na Uniwersytecie Wrocławskim w zakresie rozwoju i zastosowania metod sztucznej inteligencji.
Oprac.: Ewelina Kośmider
Data publikacji: 9.10.2024 r.
