Ученый Масалович: Нобелевская премия по физике 2024 года дискредитировала себя

Нобелевская премия по физике 2024 года будет вручена за основополагающие открытия, которые позволяют осуществлять машинное обучение с использованием искусственных нейронных сетей. Хинтон из Университета Торонто разработал метод для автономного поиска свойств в данных и выполнения таких задач, как идентификация определенных элементов на изображениях. Его коллега Хопфилд из Принстонского университета создал ассоциативную память, которая способна хранить и восстанавливать изображения и другие типы шаблонов в данных.

Машинное обучение относится к математике, однако премию в этой дисциплине не присуждают, сообщил 360.ru российский ученый и IT-специалист по информационной безопасности, OSINT и конкурентной разведке Андрей Масалович.

«То, что премию за машинное обучение присудили в категории физики, свидетельствует о дальнейшей деградации Нобелевской премии. Это некий нонсенс», — сказал он.

Масалович назвал машинное обучение основой современного понимания искусственного интеллекта. Он объяснил, что ИИ — это многослойная сеть, в основе которой лежит модель Маккаллока — Питтса, предложенная в 40-е годы. Она предполагает тренировку нейронных сетей под названием backward propagation — обучение обратным распространением волны.

«То есть нейронной сети предъявляют много примеров, делают специальные входы для видения этих примеров. Например, пиксель для картинки или разные параметры какого-нибудь процесса. На выходе [проверяют], относится он к нужной группе, не относится или относится к какой-нибудь из заданных групп. Размечают некоторый набор входных примеров и проводят обучение — было вот так, что сеть сказала», — подчеркнул IT-специалист.

В качестве примера он привел задачу с курсом валют: ввели некоторые данные, и сеть сказала, что доллар повысится, затем другие — она ответила, что понизится. После каждого примера разработчики проверили, совпал ли ответ с тем, как стало на самом деле.

Если бы сеть отреагировала неадекватно, они провели бы один шаг обратного обучения — по сети пробежала бы обратная волна, которая показала, какие именно нейроны участвовали в неправильном решении. Тем, которые ошиблись, с этого момента стали бы доверять чуть меньше, тем, что помогли, — чуть больше.

«Если многократно такую процедуру проводить, сеть обретает возможность обучения. То есть в самом простом виде она узнает все ранее виденные примеры. А если уменьшить число нейронов среднего слоя, чтобы она могла гибко реагировать, у нее появляется возможность обобщать. Эта реакция настолько удивила людей, что они называют ее искусственным интеллектом», — отметил Андрей Масалович.

В последующие годы, по словам специалиста, появились новые многослойные сети и много новых видов нейронных сетей, расширенных и гибких. Теперь их более 80. Сильно увеличились объемы входных данных — до миллионов различных примеров.