NewsEdit Στον Τζον Χόπφιλντ του Πανεπιστημίου του Πρίνστον και τον Τζέφρι Χίντον του Πανεπιστημίου του Τορόντο απονεμήθηκε το φετινό βραβείο Νόμπελ Φυσικής. Οι δύο επιστήμονες χρησιμοποίησαν εργαλεία από τη φυσική για να αναπτύξουν μεθόδους που αποτελούν το θεμέλιο της σημερινής ισχυρής μηχανικής μάθησης που αποτελεί κλάδο του τομέα της τεχνητής νοημοσύνης και ήταν αυτός που καθόριζε τον τομέα αυτό πριν την εμφάνιση της γενετικής νοημοσύνης.
Ο Χοπφιλντ δημιούργησε μια συσχετιστική μνήμη που μπορεί να αποθηκεύσει και να ανασυνθέσει εικόνες και άλλους τύπους μοτίβων σε δεδομένα. Ο Χίντον επινόησε μια μέθοδο που μπορεί αυτόνομα να βρει ιδιότητες σε δεδομένα και έτσι να εκτελέσει εργασίες όπως ο εντοπισμός συγκεκριμένων στοιχείων σε εικόνες.
Όταν μιλάμε για τεχνητή νοημοσύνη, εννοούμε συχνά τη μηχανική μάθηση χρησιμοποιώντας τεχνητά νευρωνικά δίκτυα. Αυτή η τεχνολογία ήταν αρχικά εμπνευσμένη από τη δομή του εγκεφάλου. Σε ένα τεχνητό νευρωνικό δίκτυο, οι νευρώνες του εγκεφάλου αντιπροσωπεύονται από κόμβους που έχουν διαφορετικές τιμές. Αυτοί οι κόμβοι επηρεάζουν ο ένας τον άλλον μέσω συνδέσεων που μπορούν να παρομοιαστούν με συνάψεις και οι οποίες μπορούν να γίνουν ισχυρότερες ή πιο αδύναμες. Το δίκτυο εκπαιδεύεται, για παράδειγμα, αναπτύσσοντας ισχυρότερες συνδέσεις μεταξύ κόμβων με ταυτόχρονα υψηλές τιμές. Οι φετινοί βραβευθέντες έχουν πραγματοποιήσει σημαντική δουλειά με τεχνητά νευρωνικά δίκτυα από τη δεκαετία του 1980 και μετά.
* Ο Τζον Χόπφιλντ εφηύρε ένα δίκτυο που χρησιμοποιεί μια μέθοδο αποθήκευσης και αναδημιουργίας μοτίβων. Μπορούμε να φανταστούμε τους κόμβους ως pixel. Το δίκτυο Hopfield χρησιμοποιεί τη φυσική που περιγράφει τα χαρακτηριστικά ενός υλικού λόγω του ατομικού του σπιν – μια ιδιότητα που κάνει κάθε άτομο ένα μικροσκοπικό μαγνήτη. Το δίκτυο στο σύνολό του περιγράφεται με τρόπο ισοδύναμο με την ενέργεια στο σύστημα περιστροφής που βρίσκεται στη φυσική και εκπαιδεύεται με την εύρεση τιμών για τις συνδέσεις μεταξύ των κόμβων, έτσι ώστε οι αποθηκευμένες εικόνες να έχουν χαμηλή ενέργεια. Όταν το δίκτυο Hopfield τροφοδοτείται με μια παραμορφωμένη ή ημιτελή εικόνα, λειτουργεί μεθοδικά μέσω των κόμβων και ενημερώνει τις τιμές τους έτσι ώστε η ενέργεια του δικτύου να πέφτει. Το δίκτυο έτσι λειτουργεί σταδιακά για να βρει την αποθηκευμένη εικόνα που μοιάζει περισσότερο με την ατελή με την οποία τροφοδοτήθηκε.
* Ο Τζέφρι Χίντον χρησιμοποίησε το δίκτυο Hopfield ως βάση για ένα νέο δίκτυο που χρησιμοποιεί μια διαφορετική μέθοδο: τη μηχανή Boltzmann. Αυτό μπορεί να μάθει να αναγνωρίζει χαρακτηριστικά στοιχεία σε έναν δεδομένο τύπο δεδομένων. Ο Χίντον χρησιμοποίησε εργαλεία από τη στατιστική φυσική, την επιστήμη των συστημάτων που δημιουργήθηκαν από πολλά παρόμοια στοιχεία. Το μηχάνημα εκπαιδεύεται τροφοδοτώντας του παραδείγματα που είναι πολύ πιθανό να προκύψουν όταν το μηχάνημα λειτουργεί. Το μηχάνημα Boltzmann μπορεί να χρησιμοποιηθεί για την ταξινόμηση εικόνων ή τη δημιουργία νέων παραδειγμάτων του τύπου μοτίβου στο οποίο εκπαιδεύτηκε. Ο Χίντον έχει βασιστεί σε αυτό το έργο, συμβάλλοντας στην έναρξη της τρέχουσας εκρηκτικής ανάπτυξης της μηχανικής μάθησης.