به گزارش خبرنگار علم و فناوری ایسکانیوز؛ جایزه نوبل امسال در رشته فیزیک به «جان جی هاپفیلد» از دانشگاه پرینستون آمریکا و «جفری ای هینتون» از دانشگاه تورنتوی کانادا رسید. اعضای کمیته نوبل گفته‌اند که این جایزه به پاس فعالیت‌ها و دستاوردهای این ۲ دانشمند در زمینه هوش مصنوعی و یادگیری خودکار اعطا شده است. آکادمی سلطنتی علوم سوئد اعلام کرد که این جایزه به خاطر اکتشافات و اختراعات اساسی که یادگیری ماشین را با شبکه‌های عصبی مصنوعی امکان‌پذیر می‌کند، به این ۲ نفر اعطا شده است. این افراد شبکه‌های عصبی مصنوعی را با استفاده از فیزیک آموزش دادند.
آنها از ابزارهای فیزیک برای توسعه روش‌هایی استفاده کرده‌اند که پایه و اساس یادگیری ماشینی قدرتمند امروزی است. جان هاپفیلد یک حافظه تداعی ایجاد کرد که می‌تواند تصاویر و انواع دیگر الگوها را در داده‌ها ذخیره و بازسازی کند. جفری هینتون نیز روشی را اختراع کرد که می‌تواند به طور مستقل ویژگی‌ها را در داده‌ها پیدا کند و بنابراین کارهایی مانند شناسایی عناصر خاص در تصاویر را انجام دهد.
وقتی از هوش مصنوعی صحبت می‌کنیم، اغلب منظورمان یادگیری ماشینی با استفاده از شبکه‌های عصبی مصنوعی است. این فناوری در اصل از ساختار مغز الهام گرفته شده است. در یک شبکه عصبی مصنوعی، نورون‌های مغز با گره‌هایی نشان داده می‌شوند که مقادیر متفاوتی دارند. این گره‌ها از طریق اتصالاتی که می‌توانند به سیناپس‌ها تشبیه شوند و می‌توانند قوی‌تر یا ضعیف‌تر شوند و بر یکدیگر تأثیر بگذارند. این شبکه با ایجاد ارتباطات قوی‌تر بین گره‌ها با مقادیر بالا به طور همزمان آموزش داده می‌شود. برندگان امسال از دهه ۱۹۸۰ تاکنون تحقیقات مهمی را در زمینه شبکه‌های عصبی مصنوعی انجام داده‌اند.
جان هاپفیلد شبکه‌ای اختراع کرد که از روشی برای ذخیره و بازآفرینی الگوها استفاده می‌کند. می‌توانیم گره‌ها را به صورت پیکسل تصور کنیم. شبکه هاپفیلد از فیزیک استفاده می‌کند که ویژگی‌های یک ماده را به دلیل اسپین اتمی آن توصیف می‌کند؛ خاصیتی که هر اتم را به یک آهنربای کوچک تبدیل می‌کند. شبکه به طور کلی به روشی معادل انرژی در سیستم اسپین موجود در فیزیک توصیف می‌شود و با یافتن مقادیری برای اتصالات بین گره‌ها آموزش داده می‌شود تا تصاویر ذخیره شده انرژی کمی داشته باشند.
هنگامی که شبکه هاپفیلد با یک تصویر تحریف شده یا ناقص تغذیه می‌شود، به طور سیستماتیک از طریق گره‌ها کار می‌کند و مقادیر آنها را به‌روز می‌کند تا انرژی شبکه کاهش یابد. بنابراین شبکه به صورت پلکانی کار می‌کند تا تصویر ذخیره شده را پیدا کند که شبیه تصویر ناقصی است که با آن تغذیه شده است.
جفری هینتون از شبکه هاپفیلد به عنوان پایه و اساس شبکه جدیدی استفاده کرد که از روش متفاوتی استفاده می‌کند: ماشین بولتزمن. این شبکه می‌تواند یاد بگیرد که عناصر مشخصه را در یک نوع داده خاص تشخیص دهد. هینتون از ابزارهای فیزیک آماری استفاده کرد، علم سیستم‌هایی که از بسیاری از اجزای مشابه ساخته شده بودند. ماشین با دریافت نمونه‌هایی آموزش می‌بیند که به احتمال زیاد در هنگام راه‌اندازی دستگاه به وجود می‌آیند. ماشین بولتزمن می‌تواند برای طبقه‌بندی تصاویر یا ایجاد نمونه‌های جدید از نوع الگوی مورد استفاده قرار گیرد. هینتون بر اساس این کار ساخته شده و به شروع توسعه انفجاری فعلی یادگیری ماشین کمک کرده است.
کار برندگان در حال حاضر بیشترین سود را داشته است. «الن مونز»، رئیس کمیته نوبل فیزیک می‌گوید: در فیزیک، از شبکه‌های عصبی مصنوعی در طیف وسیعی از زمینه‌ها، مانند توسعه مواد جدید با ویژگی‌های خاص، استفاده می‌کنیم.
گفتنی است که جان جی هاپفیلد، متولد ۱۹۳۳ در شیکاگو است. او دکتری‌اش را در سال ۱۹۵۸ از دانشگاه کرنل در آمریکا گرفته و هم‌اکنون استاد دانشگاه پرینستون است.
بیشتر بخوانید:
پدرخوانده هوش مصنوعی دولت‌ها را به کارزار علیه هوش مصنوعی دعوت کرد
جفری ای هینتون نیز متولد ۱۹۴۷ در لندن انگلستان است. او دکتری‌اش را در سال ۱۹۷۸ از دانشگاه ادینبورگ انگلستان گرفته و هم‌اکنون استاد دانشگاه تورنتو در کانادا است.
گفتنی است که مبلغ جایزه ۱۱ میلیون کرون سوئد سات که به طور مساوی بین این ۲ برنده تقسیم می‌شود.
انتهای پیام/