8 жовтня Нобелівський комітет визначив лауреатів премії в галузі фізики. Ними стали фізики Джон Гопфілд і Джефрі Еверест Гінтон за «фундаментальні відкриття та винаходи, які дозволяють машинне навчання за допомогою штучних нейронних мереж».
Джефрі Гінтон — англо-канадський когнітивний психолог і інформатик, найбільш відомий своєю роботою над штучними нейронними мережами. З 2013 року по травень 2023 року працював у Google (Google Brain) і в Торонтському університеті. Гінтон був співавтором надзвичайно цитованої статті, опублікованої в 1986 році, яка популяризувала алгоритм зворотного поширення помилки для навчання багатошарових нейронних мереж, хоча автори не були першими, хто запропонував цей підхід. Гінтона називають провідною фігурою в спільноті глибокого навчання, дехто називає його «Хрещеним батьком глибокого навчання».
Джон Гопфілд — американський науковець, широко відомий своїм винаходом асоціативних нейронних мереж 1982 року. Наразі більш відома як нейронна мережа Гопфілда. На відміну від багатьох нейронних мереж, що працюють до отримання відповіді через певну кількість тактів, мережі Гопфілда працюють до досягнення рівноваги, коли наступний стан мережі дорівнює попередньому.
І Гопфілд, і Гінтон займалися статистичною фізикою. Їхня робота, зрештою, призвела й до створення сучасний нейромереж і машинного навчання.
Джон Гопфілд розробив мережу для збереження та відтворення шаблонів, де вузли можна уявити як пікселі. Мережа використовує фізичні принципи, подібні до енергії спін-системи у фізиці. Вона навчається, знаходячи значення для зв’язків між вузлами, щоб збережені зображення мали низьку енергію. Під час подачі спотвореного чи неповного зображення мережа поетапно знижує свою енергію, оновлюючи значення вузлів, щоб відтворити найбільш схоже на збережене зображення.
©Johan Jarnestad/The Royal Swedish Academy of Sciences
©Johan Jarnestad/The Royal Swedish Academy of Sciences
Джеффрі Гінтон використав мережу Гопфілда як основу для створення нової моделі — Машини Больцмана. Вона здатна навчатися розпізнавати характерні елементи даних, використовуючи інструменти зі статистичної фізики. Машина навчається за допомогою прикладів, які, ймовірно, виникають під час її роботи. Машину Больцмана можна використовувати для класифікації зображень або створення нових прикладів на основі шаблонів, на яких вона була навчена. Ця робота Гінтона сприяла вибуховому розвитку сучасного машинного навчання.
©Johan Jarnestad/The Royal Swedish Academy of Sciences
У 2023 році Нобелівку з фізики вручили групі вчених за спостереження надшвидкого руху електронів за допомогою надкоротких спалахів світла.
