A Svéd Királyi Tudományos Akadémia úgy döntött, hogy a 2024-es Fizikai Nobel-díjat odaítéli John J. Hopfield és Geoffrey E. Hinton számára "azért, mert alapvető felfedezésekkel és találmányokkal járultak hozzá a gépi tanulás mesterséges neurális hálózatokkal történő lehetővé tételéhez". Az idei két Nobel-díjas fizikus a fizika eszközeit használta fel módszerek kidolgozásához, amelyek az alapját képezik a mai erős gépi tanulásnak.
John Hopfield egy asszociatív memóriát hozott létre, amely képes képeket és adatmintákat tárolni és rekonstruálni. Geoffrey Hinton pedig egy olyan módszert talált ki, amely autonóm módon képes felismerni adatbeli tulajdonságokat, és így feladatokat végezni, mint például specifikus elemek azonosítása képeken. Amikor mesterséges intelligenciáról beszélünk, gyakran a mesterséges neurális hálózatokat használó gépi tanulásra gondolunk, amely technológia eredetileg az agy struktúrájához nyúlt vissza inspirációért.
Az idei díjazottak az 1980-as évektől kezdve végeztek jelentős munkát mesterséges neurális hálózatokkal. John Hopfield egy olyan hálózatot talált fel, amely képes mintákat menteni és újraalkotni. Gondolható, hogy a csomópontokat pixeleknek tekinthetjük. A Hopfield-hálózat olyan fizikát használ ki, amely leírja egy anyag tulajdonságait az atomi spin miatt – egy olyan tulajdonság, amely minden atomot egy kis mágnessé tesz. A hálózat képzése során az egyes csomópontok közötti kapcsolatokat úgy állítják be, hogy a tárolt képek alacsony energiájúak legyenek. Ha a Hopfield-hálózat egy torzult vagy hiányos képet kap, módszeresen átdolgozza a csomópontokat és frissíti azok értékeit, hogy a hálózat energiája csökkenjen, és ezáltal a hálózat olyan lépésenként haladjon, hogy megtalálja a legjobban egyező, tárolt képet.
Geoffrey Hinton a Hopfield-hálózatot egy új hálózat alapjául használta, amely egy másik módszert alkalmaz: a Boltzmann-gépet. Ez a gép képes megtanulni felismerni jellegzetes elemeket egy adott adatfajtában. Hinton a statisztikus fizika eszközeit használta, amely tudományág hasonló alkotóelemekből álló rendszerekkel foglalkozik. A gépet példákkal tanították, amelyek nagyon valószínűen előfordulnak, amikor a gép működik. A Boltzmann-gépet lehet használni képek osztályozására vagy új példák létrehozására a betanított minta alapján. Hinton ezen munkára építve segített elindítani a gépi tanulás jelenlegi robbanásszerű fejlődését.
Ellen Moons, a Fizikai Nobel Bizottság elnöke szerint "a díjazottak munkája máris a legnagyobb hasznot hozta. A fizikában a mesterséges neurális hálózatokat számos területen használjuk, mint például új, speciális tulajdonságokkal rendelkező anyagok kifejlesztésére".
