Dwóch naukowców, którym przypisuje się położenie podwalin dzisiejszego potężnego uczenia maszynowego – emerytowany profesor Uniwersytetu w Toronto Geoffrey Hinton i profesor Uniwersytetu Princeton John Hopfield, byli otrzymał Nagrodę Nobla w dziedzinie fizyki Dzisiaj.
Ich odkrycia i wynalazki położyły podwaliny pod wiele ostatnich przełomów w sztucznej inteligencji, stwierdził Komitet Noblowski przy Królewskiej Szwedzkiej Akademii Nauk. Od lat 80-tych ich praca umożliwiła tworzenie sztucznych sieci neuronowearchitektura komputera luźno wzorowana na strukturze mózgu.
Naśladując sposób, w jaki nasze mózgi tworzą połączenia, sieci neuronowe umożliwiają narzędziom AI zasadniczo „uczyć się na przykładzie.” Programiści mogą wytrenować sztuczną sieć neuronową w zakresie rozpoznawania złożonych wzorców, dostarczając jej dane, co stanowi podstawę niektórych z najbardziej znanych w tej chwili zastosowań sztucznej inteligencji, od generowania języka po rozpoznawanie obrazów.
„Trudno wyobrazić sobie, jak można uniemożliwić złym aktorom wykorzystanie go do złych celów”.
„Nie miałem co do tego żadnych oczekiwań. Jestem niezwykle zaskoczony i zaszczycony, iż zostałem uwzględniony” – powiedział „osłupiały” Hinton na Uniwersytecie w Toronto informacja prasowa.
Hinton, często nazywany „ojcem chrzestnym sztucznej inteligencji” powiedział New York Timesa w ubiegłym roku „część niego… teraz żałuje dzieła swojego życia”. On podobno opuścił swój post w Google w 2023 r., aby móc zwrócić uwagę na potencjał ryzyko stwarzanych przez technologię, w której urzeczywistnieniu odegrał kluczową rolę.
„Trudno wyobrazić sobie, jak można uniemożliwić złym aktorom wykorzystanie tego do złych celów” – stwierdził Hinton w „ NYT wywiad.
Komitet Noblowski docenił Hintona za opracowanie tzw Maszyna Boltzmannamodel generatywny, z kolegami z lat 80.:
Hinton wykorzystał narzędzia z fizyki statystycznej, nauki o systemach zbudowanych z wielu podobnych komponentów. Maszyna jest szkolona poprzez podanie przykładów, które z dużym prawdopodobieństwem pojawią się podczas pracy maszyny. Maszynę Boltzmanna można wykorzystać do klasyfikowania obrazów lub tworzenia nowych przykładów typu wzorca, na którym została wytrenowana. Firma Hinton oparła się na tej pracy, pomagając zapoczątkować obecny gwałtowny rozwój uczenia maszynowego.
Praca Hintona opiera się na sieci Hopfield innego nagrodzonego Johna Hopfielda – sztucznej sieci neuronowej, która potrafi odtwarzać wzorce:
The Sieć Hopfielda wykorzystuje fizykę, która opisuje adekwatności materiału wynikające z jego spinu atomowego – adekwatności, która sprawia, iż każdy atom jest małym magnesem. Sieć jako całość opisywana jest w sposób równoważny energii w układzie spinowym spotykanej w fizyce i jest trenowana poprzez znajdowanie wartości połączeń między węzłami, tak aby zapisane obrazy miały niską energię. Kiedy sieć Hopfield otrzymuje zniekształcony lub niekompletny obraz, metodycznie działa poprzez węzły i aktualizuje ich wartości, tak aby energia sieci spadła. Sieć działa zatem etapowo, aby znaleźć zapisany obraz, który najbardziej przypomina ten niedoskonały, którym został zasilony.
Hinton w dalszym ciągu wyraża swoje obawy dotyczące sztucznej inteligencji, w tym: zadzwoń dziś z reporterami. „Nie mamy doświadczenia, jak to jest, gdy ktoś jest mądrzejszy od nas. I będzie pod wieloma względami wspaniałe” – powiedział. „Musimy się jednak również martwić szeregiem możliwych złych konsekwencji, w szczególności groźbą wymknięcia się tych spraw spod kontroli”.
