Nagrodę Nobla w dziedzinie fizyki przyznano dwóm naukowcom za przełomowe prace nad maszynami, które potrafią się uczyć. John Hopfield stworzył pamięć asocjacyjną, a Geoffrey Hinton wynalazł metodę, dzięki której sztuczna inteligencja za pomocą danych może wykonywać różne zadania. – To pierwsza w historii Nagród Nobla nagroda za sposób przetwarzania informacji, a nie za odkrycie czy eksperyment fizyczny. Komitet Noblowski według mnie uczynił słusznie, bo to, co się dzieje obecnie w dziedzinie sztucznej inteligencji, przetwarzanie informacji, jest kluczową rzeczą dla rozwoju całej naszej cywilizacji – ocenia dr hab. Rafał Demkowicz-Dobrzański, prof. Uniwersytetu Warszawskiego.
– To uhonorowanie tak naprawdę 40–50 lat prac nad sztuczną inteligencją, nad sieciami neuronowymi, które miały po drodze wiele pułapek i wcale nie było oczywiste, że dojdziemy tu, gdzie jesteśmy dzisiaj – mówi agencji Newseria Biznes dr hab. Rafał Demkowicz-Dobrzański, prof. UW z Instytutu Fizyki Teoretycznej na Wydziale Fizyki UW.
John Hopfield z Uniwersytetu Princeton i Geoffrey Hinton z Uniwersytetu w Toronto zostali wyróżnieni za pionierską pracę nad sztucznymi sieciami neuronowymi, które stanowią podstawę dużej części współczesnej sztucznej inteligencji. Technologia została zainspirowana strukturą mózgu. W sztucznej sieci neuronowej neurony mózgu są reprezentowane przez węzły o różnych wartościach, które wpływają na siebie nawzajem poprzez połączenia. Sieć jest „trenowana”, na przykład poprzez rozwijanie silniejszych połączeń między węzłami o jednocześnie wysokich wartościach. Tegoroczni laureaci prowadzili ważne prace z wykorzystaniem sztucznych sieci neuronowych od lat 80. XX wieku.
– Było to na tyle rewolucyjne, że pozwoliło inaczej komputerom liczyć, inaczej przetwarzać informacje w sposób, który nie jest ściśle algorytmiczny. Tak jak w informatyce przez algorytm rozumiemy to, że mamy pewne jasne kroki, które należy wykonać, pomnożyć dwie liczby, podzielić i uzyskamy odpowiedź, tak w przypadku sieci neuronowej my tak naprawdę nie wiemy, jak ona będzie działać. Budujemy pewną strukturę połączeń między tymi sztucznymi neuronami, które ze sobą będą rozmawiać, dajemy tej sieci pewne dane i patrzymy, co ona produkuje. I ewentualnie możemy ją karać lub nagradzać, jeśli dobrze działa lub źle, czyli w pewnym sensie tresować – tłumaczy fizyk.
Szwedzka Akademia Nauk w uzasadnieniu decyzji wskazuje, że John Hopfield wynalazł sieć, która wykorzystuje metodę zapisywania i odtwarzania wzorów. Sieć Hopfielda wykorzystuje fizykę, która opisuje cechy materiału ze względu na jego spin atomowy i jest trenowana przez znajdowanie wartości dla połączeń między węzłami. Kiedy sieć otrzymuje zniekształcony lub niekompletny obraz, pracuje krok po kroku, przechodzi przez kolejne węzły, aby znaleźć zapisany obraz, który jest najbardziej podobny do niedoskonałego.
Geoffrey Hinton wykorzystał sieć Hopfielda jako podstawę nowej sieci, która wykorzystuje inną metodę: maszynę Boltzmanna. Może się ona nauczyć rozpoznawać charakterystyczne elementy w danym typie danych. Maszyny Boltzmanna można używać np. do klasyfikowania obrazów. Hinton rozwinął tę pracę, pomagając zainicjować obecny dynamiczny rozwój uczenia maszynowego.
Zobacz również:
BIZNES · 09.10.2024Cyfrowi kontrolerzy lotów nie zastąpią na razie całkowicie ludzi. Zaawansowane technologie będą jednak wspierać zarządzanie ruchem lotniczym– Można powiedzieć, że Hopfield dostał nagrodę za zaproponowanie struktury sieci neuronowej, której będziemy używać do uczenia, a Hinton dostał nagrodę za to, jak ją uczyć efektywnie. Jak mamy te dwa elementy, to w zasadzie już mamy wszystko, wkładamy dane, patrzymy, co ta sieć robi, i nagle na końcu okazuje się, że może nie robi nic ciekawego. Tak było przez wiele lat, sporo ludzi zaczęło wątpić w możliwości sztucznych sieci neuronowych. Postęp w mocy obliczeniowej komputerów i danych spowodował eurekę, której doświadczyli twórcy tych systemów, że rzeczywiście zaczęło się coś dziać zupełnie niespodziewanego na takim poziomie, który przypomina ludzką inteligencję – wskazuje prof. Rafał Demkowicz-Dobrzański.
Obecnie sztuczna inteligencja jest wykorzystywana w szeregu zadań. W ubiegłym roku naukowcy z Bostonu poinformowali, że są blisko przełomu w badaniach przesiewowych raka płuc – opracowania sztucznej inteligencji, która będzie w stanie wykryć wczesne objawy choroby na wiele lat przed tym, zanim lekarze wykryją je na tomografii komputerowej. Nowe narzędzie AI Sybil potrafi przewidzieć, czy dana osoba zachoruje na raka płuc w ciągu następnego roku w 86–94 proc. przypadków. Według danych amerykańskiej Agencji ds. Żywności i Leków (FDA) w USA dostępnych jest już ok. 950 zatwierdzonych algorytmów medycznych opartych na sztucznej inteligencji. Zdecydowana większość jest związana z obrazowaniem medycznym.
Sztuczną inteligencję mogą też wykorzystywać np. platformy streamingowe. Naukowcy z Claremont Graduate University opracowali system oparty na uczeniu maszynowym, który pozwala identyfikować wśród nowych piosenek te, które prawdopodobnie staną się przebojami. Amazon Prime Video używa AI do analizowania, które części programu widzowie lubią najbardziej, wpływając na przyszłe produkcje. Z kolei Warner Bros we współpracy z Cinelytic stosuje ją do przewidywania sukcesu filmu. YouTube wykorzystuje AI do dostosowywania jakości przesyłania strumieniowego na podstawie szybkości łącza internetowego widza.
– Jeśli mamy odpowiednio dużą sieć, odpowiednio dużo danych i sposób, w jaki ona się będzie uczyć, to możemy osiągnąć bardzo wiele. Możemy nauczyć tę sieć rozpoznawać mowę, pismo, stwierdzać, czy dane obrazy medyczne reprezentują raka. Możemy z takiej sieci zrobić świetnego lekarza, analityka rynków finansowych czy pisarza literatury popularnej. Dopiero ostatnie kilka lat pokazało, że te sieci mają tak ogromny potencjał – ocenia ekspert.
Systemy sztucznej inteligencji zostały już przeszkolone w zakresie psychografii i neurolingwistyki. Dzięki temu połączeniu sztuczna inteligencja rozumie każdą osobę niemal tak dobrze jak najlepszy przyjaciel.
– Kiedy zwiększyliśmy moc obliczeniową, mieliśmy możliwość przetwarzania coraz większej ilości danych i efektywniejszego uczenia sieci, nastąpił jakościowy przeskok. Z tej ilości danych nagle pojawiła się nowa jakość, czyli sieć, która rzeczywiście zaczyna z nami rozmawiać jak człowiek. To gigantyczny przełom dla całej naszej cywilizacji i w związku z tym słusznie, że zostało to nagrodzone Nagrodą Nobla, chociaż z fizyki, a nie jest do końca z fizyki – ocenia prof. Rafał Demkowicz-Dobrzański.
Źródło: Newseria
