В РАН считают, что открытия Хопфилда и Хинтона приближают науку к пониманию мозга

Член-корреспондент РАН Андрей Быков отметил, что моделирование нейросетей параллельно решает задачу создания аналога мозга

САНКТ-ПЕТЕРБУРГ, 8 октября. /ТАСС/. Теоретические разработки нобелевских лауреатов Джона Хопфилда и Джеффри Хинтона в области машинного обучения и нейросетей приближают человечество к пониманию принципов работы человеческого мозга и параллельно решают прикладную задачу создания аналогов мозга как совокупности алгоритмов. Премия двум ученым могла быть присуждена и в области биологии, такое мнение выразил ТАСС член-корреспондент РАН, руководитель отделения физики плазмы, атомной физики и астрофизики Физико-технического института им. А. Ф. Иоффе РАН Андрей Быков.

"Моделирование нейросетей - это практически действительно моделирование мозга, это биолого-математическая задача, физика там в меньшей мере используется. Это имеет очень важное значение, во-первых, потому что приближает нас к пониманию работы мозга, а во-вторых, решается прикладная задача, создание аналога мозга как средства запоминания, анализа и обработки информации. Хопфилд и Хинтон алгоритмизировали свойства мозга, перенесли на язык машин", - сказал Быков.

Он отметил, что в истории Нобелевской премии уже были случаи, когда открытия в одной научной области вели ученых к получению этой престижной награды в другой. В качестве примера он привел математика Леонида Канторовича.

"Ярким примером было то, что наш выдающийся петербургский математик Леонид Конторович в 1975 году получил Нобелевскую премию по экономике. Но он математик, он предложил мощный метод линейного программирования, по математике дать не могли, дали по экономике, Хопфилду и Хинтону дали по физике, хотя могли дать по биологии или другому направлению", - добавил Быков.

При этом член-корреспондент РАН подчеркнул, что открытия двух новых нобелевских лауреатов, несмотря на непрямое отношение их работ к физической науке, безусловно сыграют большую роль в будущих исследованиях именно в различных областях физики, за которые другие ученые также смогут получить Нобелевскую премию в этой номинации.

"Я бы удивился, если бы за разработки в этом направлении премию снова дали бы по физике. Но в физике очень широко применяются нейросети, и наверняка множество уже физических настоящих открытий будут сделаны с помощью нейросетей и искусственного интеллекта, там будут, конечно, причины для присуждения нобелевских премий в будущем", - отметил Андрей Быков.

Роль нейросетей в астрофизике

Руководитель отделения физики плазмы, атомной физики и астрофизики ФТИ им. Иоффе РАН Андрей Быков рассказал, что появление нейросетей как технологии во многом ставшее возможным благодаря именно Хопфилду и Хинтону, оказало огромное влияние на современную астрофизику и изучение значительно удаленных от Земли объектов Вселенной. Именно они позволяют ученым достраивать представления о различных звездах и других космических телах на огромных расстояниях от нашей планеты, а всем землянам видеть доработанные нейросетью изображения подобных объектов.

"Анализ изображений в условиях их сильной зашумленности очень важная вещь. В астрофизике нейронные сети активно используются и играют большую роль, потому что, когда вы наблюдаете космический объект, он трехмерный, а вы видите его только в плоскости неба и должны уметь восстанавливать, как он выглядит на самом деле. Особенно в астрофизике высоких энергий специалисты получают очень мало информации, редкие кванты, источники слабые и вот вы по слабому размытому изображению восстанавливается то положение, как объекты должны выглядеть на самом деле", - рассказал Быков.

Что касается современных российских исследований в направлении нейросетей, то ученые отметили большое количество исследовательских работ и разработок прикладного характера, в том числе в области их использования для исследований космоса.

О Нобелевской премии по физике

Нобелевская премия в области физики за 2024 год присуждена американцу Хопфилду и канадскому ученому британского происхождения Хинтону за открытия в сфере машинного обучения. Ученые стали лауреатами премии за фундаментальные открытия и изобретения, обеспечивающие обучение машин с помощью искусственных нейронных сетей, говорится в мотивировочной части решения комитета.