Nobel de Física per als quals van desenvolupar la base de sistemes d'intel·ligència artificial
John J. Hopfield i Geoffrey E. Els investigadors Hinton rebran el Premi Nobel de Física pels seus descobriments basats en xarxes neuronals artificials, essencials per al desenvolupament de sistemes d'aprenentatge automàtic.
Segons l'Acadèmia Nobel, els premiats d'enguany han utilitzat les eines de la física per a desenvolupar mètodes que són la base dels poderosos estudis automàtics actuals. John Hopfield va crear una memòria associativa que pot emmagatzemar i reconstruir imatges i altres tipus de patrons a mode de dades. Geoffrey Hinton, per part seva, va inventar un mètode que pot trobar propietats en les dades de manera autònoma, la qual cosa li permet, per exemple, identificar elements específics en les imatges.
Darrere del que es denomina intel·ligència artificial, normalment es troba l'aprenentatge automàtic a través de xarxes neuronals artificials. En els seus inicis, aquesta tecnologia es va inspirar en l'estructura del cervell. D'alguna manera, en una xarxa de neurones artificials, les neurones cerebrals es representen mitjançant nodes i les sinapsis es representen mitjançant connexions febles o fortes. Així mateix, la xarxa s'entrena, creant connexions més fortes entre uns nodes i, entre altres, més febles.
En realitat, aquesta analogia venia d'abans, des de la dècada de 1940. En la dècada de 1960, no obstant això, alguns treballs teòrics van suggerir que aquesta via no tindria èxit. No obstant això, la física també va donar la clau per a entendre i utilitzar els nous fenòmens.
Xarxa d'Hopfield i màquina Boltzmann
En concret, John Hopfield va crear en 1982 una xarxa basada en la memòria associativa. En concret, va crear un mètode per a guardar i recrear patrons. De fet, va observar que els sistemes que tenen molts elements petits que interactuen entre si poden generar nous fenòmens. En particular, va aprofitar l'après amb els materials magnètics, que gràcies al seu spin atòmic tenen característiques especials. Hopfield va crear el seu mètode a partir de la interacció dels espins dels àtoms circumdants. Així, quan la xarxa d'Hopfield s'alimenta d'una imatge incompleta, la xarxa actualitza els seus valors i és capaç de trobar la imatge guardada i crear una imatge completa.
Quan Hopfeld va publicar un article sobre la memòria associativa, Geofrey Hinton estava treballant en la Universitat de Mellon, en Carnegie Pittsburgh (els EUA). Anteriorment havia estudiat psicologia experimental i artificial i volia saber si les màquines, com les persones, podien aprendre a processar patrons. Al costat del seu company Terrence Sejnowski, va començar a treballar amb la xarxa d'Hopfeld, i a partir d'aquí, va crear un nou mètode utilitzant les idees de la física estadística. Aquest mètode va ser publicat en 1985 sota el nom de Màquina Boltzmann.
La màquina Boltzmann s'utilitza habitualment amb dos tipus de nodes. Un d'ells (nodes espectaculars) s'alimenta d'informació i l'altre forma una capa secreta. Els valors i connexions dels nodes ocults participen en l'energia de tota la xarxa. La màquina funciona establint una regla d'actualització simultània dels valors dels nodes. De fet, Boltzmann és l'antecedent dels models de màquines creatives. I encara que en la dècada de 1990 els investigadors van perdre interès en les xarxes neuronals artificials, Hinton va continuar millorant el seu mètode i altres investigadors van prendre com a base. Mitjançant el pre-entrenament, han aconseguit que sigui molt més eficient.
Hopfeld i Hinton van posar els pilars sobre els quals sustentar el desenvolupament sorprenent dels sistemes d'aprenentatge automàtic en l'actualitat, i per això el Comitè Nobel de Física ha decidit premiar a aquests. Entre els exemples citats per la Comissió es troben, per exemple, el pronòstic de l'estructura molecular de les proteïnes o el desenvolupament de materials per a la creació de cèl·lules solars més eficients.
Zu idazle
Zientzia aldizkaria
