Az amerikai tudós, John Hopfield, valamint brit-kanadai kollégája, Geoffrey Hinton, akit a „mesterséges intelligencia keresztapjának” is neveznek, 2024-ben elnyerték a Fizikai Nobel-díjat az általuk végzett úttörő munkáért, amely lehetővé tette a gépi tanulást mesterséges neurális hálózatok segítségével.

„Az idei két fizikai Nobel-díjas a fizika eszközeit használta fel olyan módszerek kidolgozására, amelyek a mai erőteljes gépi tanulás alapját képezik” – közölte az akadémia hivatalos X-fiókján.

„Teljesen új módot mutattak arra, hogyan használhatjuk a számítógépeket a társadalmi kihívások kezelésében és megoldásában” – tették hozzá.

A Svéd Királyi Tudományos Akadémia a díj bejelentésekor a két tudós „átalakító hozzájárulásait” méltatta, amelyek lehetővé tették a gépi tanulás számára, hogy hatalmas mennyiségű adatot dolgozzon fel, valamint az emberi agyhoz hasonlóan döntéseket hozzon.

Kik a díjazottak?

John Hopfield, a Princeton Egyetem emeritus professzora (91), aki az 1980-as években fejlesztette ki a Hopfield-hálózatot, amely az asszociatív memória modellezésére szolgált a fizika elveinek felhasználásával. Munkája kulcsfontosságú volt annak megértésében, hogyan képesek a neurális hálózatok a memória- és tanulási folyamatokat szimulálni.

Geoffrey Hinton (76), brit származású tudós, a Torontói Egyetem emeritus professzora, 2023-ban hagyta el a Google-t, miután felismerte, hogy a számítógépek sokkal gyorsabban válhatnak okosabbá az embereknél, mint azt ő és más szakértők várták.

A számítógépes tudós és kognitív pszichológus Hinton, olyan módszert talált fel, amely képes önállóan felismerni az adatok tulajdonságait, valamint olyan feladatokat végrehajtani, mint például képekben meghatározott elemek azonosítása.

„Teljesen megdöbbentem, fogalmam sem volt, hogy ez megtörténhet, nagyon meglepett” – mondta el Hinton az újságíróknak, amikor arról kérdezték, hogyan érzi magát Nobel-díjasként.

„Ez összehasonlítható lesz az ipari forradalommal. A gépi tanulás meghaladja majd az emberek intellektuális képességeit” – tette hozzá.

Bár kiemelte a technológia számos alkalmazási területét, például az egészségügyet, az AI-asszisztenseket és a munkatermelékenység javítását, hangsúlyozta a gépi tanulás potenciális veszélyeit is, amelyek olyan helyzetekhez vezethetnek, ahol az irányítás kicsúszhat a kezünkből.

Munkájuk hatása

Hopfield és Hinton eredményei túlléptek az elméleti kutatásokon, és olyan gyakorlati alkalmazásokban öltenek testet, amelyek ma már a mindennapi élet részévé váltak. A Hopfield-hálózat kulcsszerepet játszott annak bemutatásában, hogyan képesek a neurális hálózatok utánozni az agy információfeldolgozási és tárolási módját.

Hinton továbbfejlesztette a Hopfield-hálózatot a Boltzmann-géppel, amely a statisztikai fizika segítségével tanulja meg felismerni az adatok jellegzetes elemeit. Ez a gép példák bemutatásával tanítható, amelyek valószínűleg előfordulnak működése során.

A gép képes osztályozni a képeket vagy új példákat generálni a kiképzése alapján, jelentős szerepet játszva a gépi tanulás fejlődésében.

Hinton visszaterjesztési (backpropagation) munkája forradalmasította a neurális hálózatok tanítását, lehetővé téve ezeknek a rendszereknek, hogy hibáikból tanulva fejlődjenek. Ez a módszer kulcsfontosságú a mai mélytanulási rendszerek működéséhez, amelyek olyan technológiák alapját képezik, mint a beszédfelismerés, a számítógépes látás és a természetes nyelvfeldolgozás.

Visszaterjesztés nélkül a neurális hálózatok nehezen tudnának javulni pontosságban és összetettségben, ezzel akadályozva a kifinomult feladatok végrehajtását, amelyekre ma már képesek.

A hangfelismerő rendszerektől kezdve az orvosi diagnosztikai eszközökig, ezek az előrelépések képezik az AI-forradalom alapját. A Nobel-bizottság kiemelte, munkájuk lehetővé teszi az AI számára, hogy hatékonyabban rendezze és elemezze a hatalmas adathalmazokat különböző szektorokban.

„A mesterséges neurális hálózatokon alapuló gépi tanulás forradalmasítja a tudományt, a mérnöki munkát és a mindennapi életet” – állította a bizottság.

Globális aggodalmak

A bizottság elismerte a gépi tanulással és a mesterséges intelligenciával kapcsolatos széles körű globális aggodalmakat is. „Miközben a gépi tanulás óriási előnyökkel jár, gyors fejlődése aggodalmakat is felvet a jövőnkkel kapcsolatban” – mondta el Ellen Moons, a Fizikai Nobel-bizottság elnöke.

„Kollektíven az emberek felelőssége, hogy ezt az új technológiát biztonságos és etikus módon használják az emberiség legnagyobb javára” – tette hozzá.

Hinton korábban már előhozakodott ezekkel az aggodalmakkal, lemondott a Google-nál betöltött pozíciójáról annak érdekében, hogy nyíltan beszéljen az általa fejlesztett technológiával kapcsolatos kockázatokról.

Kifejezte állandó aggodalmát a gépi tanulásból eredő „számos lehetséges rossz következménnyel,” különösen azzal kapcsolatban, hogy ezek a rendszerek kikerülhetnek az irányítás alól.

Ennek ellenére megjegyezte, ugyanazokat a döntéseket újra meghozná.

A Nobel-díj, amelyet világszerte a fizikusok legmagasabb kitüntetéseként tartanak számon, Alfred Nobel végrendelete alapján jött létre, a tudomány, irodalom, orvostudomány és béke területén elért eredményeket ismer el.

A díjjal 1,1 millió dolláros pénzjutalom jár, amelyet a két nyertes között osztanak szét.