ИИтого: нобелевку по физике присудили за создание машинного обучения и нейросетей

Как достижение лауреатов придало мощное ускорение развитию алгоритмов искусственного интеллекта

Нобелевскую премию по физике в 2024 году присудили Джону Хопфилду и Джеффри Хинтону — ученым, которые стояли у истоков создания искусственного интеллекта. Первый из них изобрел ассоциативную нейронную сеть. Ее принципы лежат в основе систем, которые, в частности, помогают восстановить искаженное изображение. Второй разработал «машину Больцмана» — нейросеть, в которой развил достижения коллеги. Ряд экспертов критикуют решение Нобелевского комитета, поскольку достижения ученых слабо связаны с физикой. По их мнению, определяющим в выборе стал ажиотаж вокруг темы искусственного интеллекта. Специалисты также отметили вклад отечественных ученых в развитие этого направления.

За что присудили Нобелевскую премию по физике

Нобелевский комитет 8 октября объявил лауреатов этой премии по физике за 2024 год. Ими стали американский ученый Джон Хопфилд и британский и канадский исследователь Джеффри Хинтон. Как говорится в формулировке комитета, премия присуждена за «основополагающие открытия и изобретения, которые позволили осуществлять машинное обучение с использованием искусственных нейронных сетей».

Эти алгоритмы — одно из направлений развития систем искусственного интеллекта, которое имитирует процессы мышления человека. Суть машинного обучения в том, что компьютер обрабатывает большие наборы данных и находит в них закономерности. На их основе машина делает прогнозы, которые ложатся в основу ее дальнейших действий. Главная же особенность нейросетей в том, что они умеют принимать решения на основе прошлого опыта. Причем, обучение систем происходит путем корректировки связей между нейронами, что позволяет определять и запоминать оптимальные способы решения задач.

— Лауреаты использовали физические инструменты для разработки методов, которые стали основой современного машинного обучения, — отметили в релизе Нобелевского комитета. — Хопфилд создал ассоциативную память, которая может сохранять и реконструировать изображения и другие типы паттернов в данных. Хинтон изобрел метод, который помогает автономно находить определенные свойства в данных и выполнять такие задачи, как идентификация определенных элементов на изображениях.

Пионеры развития искусственного интеллекта

Как пояснили в Нобелевском комитете, одна из значимых заслуг Хопфельда состоит в том, что он изобрел сеть, которая использует метод сохранения и воссоздания шаблонов. Благодаря ей можно представить узлы сети в виде пикселей. Эта сеть стала прообразом алгоритмов искусственного интеллекта, которые помогают восстанавливать входные данные на основе их контекста.

— Джон Хопфилд известен созданием «сети Хопфилда». В ее основе изящный математический подход, близкий физике. Он заключается в том, что, когда на вход нейросети подают данные, она старается перейти в состояние с минимальной энергией. Это похоже на ассоциативную память. Например, если мы обучим сеть изображению и потом подадим его в искаженном виде, программа, стремясь к «покою», исправит ошибки в картинке, — объяснил «Известиям» главный научный сотрудник Балтийского центра нейротехнологий и искусственного интеллекта БФУ имени И. Канта, грантополучатель РНФ Александр Храмов.

Вместе с тем Джеффри Хинтон, в соответствии с заявлением Нобелевского комитета, использовал сеть Хопфельда в качестве основы для новой сети, которая помогает распознавать характерные элементы в данных определенного типа.

— В 1985 году Хинтон придумал «машину Больцмана» — систему, которая способна искать абсолютный, а не локальный минимум энергии. Это, значит, что алгоритм с большей вероятностью находит верное, а не «похожее на верное» решение, — рассказал заведующий кафедрой теоретической ядерной физики НИЯУ МИФИ Сергей Попруженко.

Он пояснил, что при программной реализации такой машины используют алгоритм имитации отжига. Это процесс, который происходит при затвердевании расплавленных веществ. Таким образом, идея реализации вычислительного процесса связана с физическим эффектом, на чем акцентировали внимание члены Нобелевского комитета.

— Несмотря на то, что физика и машинное обучение кажутся разными областями науки, они обе опираются на статистические подходы. При разработке нейросетей Хопфилда и Хинтона использовали базовый физический принцип — минимизацию энергии. То, что запоминание, оказывается, связано с понятием энергии — это один из основных результатов, за который и дали премию, — обобщил директор лаборатории «Когнитивные системы ИИ» Института Искусственного интеллекта AIRI, ведущий научный сотрудник Федерального исследовательского центра «Информатика и управление» РАН Александр Панов.

Вклад отечественных ученых

Джеффри Хинтона многие считают отцом искусственного интеллекта. Свои подходы он обозначил еще в 80-х годах прошлого столетия, но только в 2012 году с началом новой технической революции в секторе информационных технологий и ростом вычислительных мощностей его метод стал завоевывать общее признание и стал классическим, отметил заместитель заведующего кафедрой инженерной кибернетики НИТУ МИСИС Константин Бакулев.

Причем, подчеркнул эксперт, нужно иметь в виду, что впервые действующий алгоритм для перцептронов (первых прообразов нейронных сетей), которые позволяли предсказывать процессы на основе предшествующих данных, был заявлен советскими учеными в 1965 году.

— Современные нейросети решают самые разные задачи, но работают уже на другом принципе обучения — так называемом обратном распространении ошибки. Любопытно, что его сформулировал профессор МФТИ Александр Галушкин в 1974 году. Но реально этот принцип стал фундаментом современного ИИ благодаря Хинтону, — также отметил вклад отечественных ученых главный аналитик Центра искусственного интеллекта Московского физико-технического института Игорь Пивоваров.

Фото: Common.wikimedia.org
Профессор МФТИ Александр Галушкин

И уже сегодня, благодаря вкладу этого ученого, стали возможными всем известные сегодня многослойные сети глубокого обучения, отметил эксперт.

— В современных решениях эти архитектуры уже не используются, но они были пионерами в стремительно развивающейся области ИИ и заложили принципы работы алгоритмов машинного обучения, что и позволило определить их значимость, — сказал доцент кафедры информационных технологий и систем управления УрФУ Василий Борисов.

Также директор Института прикладных компьютерных наук ИТМО Антон Кузнецов отметил, что с 1980-х годов, когда были предложены эти идеи, нейронные сети сильно развились и современные модели состоят уже из триллиона нейронов, но обе технологии являются краеугольными камнями. Все системы искусственного интеллекта — от чата GPT до генеративных моделей — используют идеи, заложенные нобелевскими лауреатами.

Вместе с тем, многие эксперты подвергли критике решение Нобелевского комитета критике. В частности, как отметил ведущий эксперт Центра компетенций Национальной технологической инициативы (НТИ) «Искусственный интеллект» на базе МФТИ Александр Родин, нобелевская премия стремительно теряет свой авторитет. Это происходит не только в силу очевидной политизации, но и из-за излишнего следования моде.

— В том, что касается искусственного интеллекта и нейросетей, здесь я скорее нейроскептик и не разделяю того оверхайпа, который создан за последние 10-12 лет вокруг этого направления. Кстати, не разделяет его и Хинтон, который, как известно, в 2015 году покинул Google. При этом выглядит немного странно, что Хопфилд и Хинтон — нобелиаты по физике. Их работы, как и практически все в этой области, скорее на стыке биологии и математики, — сказал академик РАН Игорь Шеремет.

Но в это направление вложены и продолжают вкладываться огромные деньги, которые нужно как минимум вернуть. Поэтому продолжается очередная пиар-акция по поддержанию ажиотажа, полагает ученый.