Нобелівську премію з фізики вручили за відкриття, що дозволяють машинне навчання за допомогою штучних нейронних мереж
Нобелівську премію з фізики присудили Джону Гопфілду та Джеффрі Гінтону «за основоположні відкриття та винаходи, які дозволяють машинне навчання за допомогою штучних нейронних мереж».
Про це повідомили в Нобелівському комітеті, передає Бабель.
Двоє цьогорічних лауреатів Нобелівської премії з фізики – 76-річний британський вчений Гінтон і 91-річний американський науковець Гопфілд – використали інструменти фізики для розробки методів, які є основою сучасного потужного машинного навчання, розповіли в пресслужбі Нобелівського комітету.
Джон Гопфілд створив асоціативну памʼять, яка може зберігати та реконструювати зображення й інші типи шаблонів у даних. А Джефрі Гінтон винайшов метод, який може автономно знаходити властивості в даних, виконуючи у такий спосіб завдання, як-от ідентифікація конкретних елементів на зображеннях.
«Коли ми говоримо про штучний інтелект, то часто маємо на увазі машинне навчання за допомогою штучних нейронних мереж. Ця технологія спочатку була навіяна структурою мозку. У штучній нейронній мережі нейрони головного мозку представлені вузлами, які мають різні значення. Ці вузли впливають один на одного через зв’язки, які можна уподібнити до синапсів і які можна зробити сильнішими або слабшими. Мережа навчається, зокрема, завдяки розробці сильніших зв’язків між вузлами з одночасними високими значеннями. Цьогорічні лауреати проводили важливу роботу зі штучними нейронними мережами з 1980-х років», — йдеться у пресрелізі.
Джон Гопфілд створив мережу, яка використовує метод збереження та відтворення зразків. Можна уявити вузли цієї мережі як пікселі. Мережа Гопфілда спирається на фізичні закони, що описують властивості матеріалів завдяки атомній спіновій системі – явищу, яке робить кожен атом крихітним магнітом.
Усю мережу описано аналогічно до енергії спінової системи у фізиці, а навчання мережі полягає в тому, щоб знайти значення для звʼязків між вузлами так, щоб збережені зображення мали низький рівень енергії.
Коли в мережу Гопфілда подають спотворене або неповне зображення, вона поступово обробляє вузли й оновлює їхні значення, щоб знизити енергію системи. Так, мережа крок за кроком знаходить збережене зображення, яке найбільше схоже на те, що їй подали в спотвореному вигляді.
Джеффрі Гінтон, зі свого боку, використав мережу Гопфілда як основу для створення нової мережі, яка використовує інший метод – машину Больцмана. Ця машина здатна навчитися розпізнавати характерні елементи в певному типі даних.
Гінтон застосував інструменти зі статистичної фізики – науки, яка вивчає системи, що складаються з багатьох схожих компонентів. Машина навчається на прикладах, які з великою ймовірністю можуть виникнути під час її роботи.
Машину Больцмана можна використовувати для класифікації зображень або створення нових зразків на основі тих патернів, на яких її навчали. Гінтон продовжив розвивати цю технологію, що стало поштовхом до сучасного стрімкого розвитку машинного навчання.
«Робота лауреатів уже принесла величезну користь. У фізиці ми використовуємо штучні нейронні мережі в широкому спектрі напрямків, наприклад, для розробки нових матеріалів з певними властивостями», – заявила голова Нобелівського комітету з фізики Еллен Мунс.
Нагадаємо, 7 жовтня Нобелівський комітет оголосив лауреатів щорічної премії з медицини й фізіології. Ними стали науковці Віктор Амброс та Гері Равкан за відкриття мікроРНК та її роль у посттранскрипційній регуляції генів.
Підписуйтесь на наш Telegram-канал, аби першими дізнаватись найактуальніші новини Волині, України та світу
Про це повідомили в Нобелівському комітеті, передає Бабель.
Двоє цьогорічних лауреатів Нобелівської премії з фізики – 76-річний британський вчений Гінтон і 91-річний американський науковець Гопфілд – використали інструменти фізики для розробки методів, які є основою сучасного потужного машинного навчання, розповіли в пресслужбі Нобелівського комітету.
Джон Гопфілд створив асоціативну памʼять, яка може зберігати та реконструювати зображення й інші типи шаблонів у даних. А Джефрі Гінтон винайшов метод, який може автономно знаходити властивості в даних, виконуючи у такий спосіб завдання, як-от ідентифікація конкретних елементів на зображеннях.
«Коли ми говоримо про штучний інтелект, то часто маємо на увазі машинне навчання за допомогою штучних нейронних мереж. Ця технологія спочатку була навіяна структурою мозку. У штучній нейронній мережі нейрони головного мозку представлені вузлами, які мають різні значення. Ці вузли впливають один на одного через зв’язки, які можна уподібнити до синапсів і які можна зробити сильнішими або слабшими. Мережа навчається, зокрема, завдяки розробці сильніших зв’язків між вузлами з одночасними високими значеннями. Цьогорічні лауреати проводили важливу роботу зі штучними нейронними мережами з 1980-х років», — йдеться у пресрелізі.
Джон Гопфілд створив мережу, яка використовує метод збереження та відтворення зразків. Можна уявити вузли цієї мережі як пікселі. Мережа Гопфілда спирається на фізичні закони, що описують властивості матеріалів завдяки атомній спіновій системі – явищу, яке робить кожен атом крихітним магнітом.
Усю мережу описано аналогічно до енергії спінової системи у фізиці, а навчання мережі полягає в тому, щоб знайти значення для звʼязків між вузлами так, щоб збережені зображення мали низький рівень енергії.
Коли в мережу Гопфілда подають спотворене або неповне зображення, вона поступово обробляє вузли й оновлює їхні значення, щоб знизити енергію системи. Так, мережа крок за кроком знаходить збережене зображення, яке найбільше схоже на те, що їй подали в спотвореному вигляді.
Джеффрі Гінтон, зі свого боку, використав мережу Гопфілда як основу для створення нової мережі, яка використовує інший метод – машину Больцмана. Ця машина здатна навчитися розпізнавати характерні елементи в певному типі даних.
Гінтон застосував інструменти зі статистичної фізики – науки, яка вивчає системи, що складаються з багатьох схожих компонентів. Машина навчається на прикладах, які з великою ймовірністю можуть виникнути під час її роботи.
Машину Больцмана можна використовувати для класифікації зображень або створення нових зразків на основі тих патернів, на яких її навчали. Гінтон продовжив розвивати цю технологію, що стало поштовхом до сучасного стрімкого розвитку машинного навчання.
«Робота лауреатів уже принесла величезну користь. У фізиці ми використовуємо штучні нейронні мережі в широкому спектрі напрямків, наприклад, для розробки нових матеріалів з певними властивостями», – заявила голова Нобелівського комітету з фізики Еллен Мунс.
Нагадаємо, 7 жовтня Нобелівський комітет оголосив лауреатів щорічної премії з медицини й фізіології. Ними стали науковці Віктор Амброс та Гері Равкан за відкриття мікроРНК та її роль у посттранскрипційній регуляції генів.
Знайшли помилку? Виділіть текст і натисніть
Підписуйтесь на наш Telegram-канал, аби першими дізнаватись найактуальніші новини Волині, України та світу
Коментарів: 0
Додати коментар:
УВАГА! Користувач www.volynnews.com має розуміти, що коментування на сайті створені аж ніяк не для політичного піару чи антипіару, зведення особистих рахунків, комерційної реклами, образ, безпідставних звинувачень та інших некоректних і негідних речей. Утім коментарі – це не редакційні матеріали, не мають попередньої модерації, суб’єктивні повідомлення і можуть містити недостовірну інформацію.