Yhdysvaltalainen tiedemies John Hopfield ja hänen brittiläis-kanadalainen kollegansa Geoffrey Hinton, jota kutsutaan "tekoälyn kummisedäksi", saivat vuoden 2024 fysiikan Nobel-palkinnon perustavanlaatuisesta työstään, joka mahdollisti koneoppimisen keinotekoisten neuroverkkojen avulla.
"Tämän vuoden kaksi fysiikan Nobel-palkinnon saajaa ovat hyödyntäneet fysiikan työkaluja kehittääkseen menetelmiä, jotka ovat nykyisen tehokkaan koneoppimisen perusta," akatemia kertoi virallisella X-tilillään.
"He ovat näyttäneet täysin uuden tavan käyttää tietokoneita auttamaan ja ohjaamaan meitä yhteiskuntaamme kohtaavien haasteiden ratkaisemisessa."
Ruotsin kuninkaallinen tiedeakatemia ylisti palkinnon julkistamisen yhteydessä molempia tiedemiehiä "transformatiivisista panoksista", jotka ovat tehneet koneoppimiselle mahdolliseksi käsitellä valtavia määriä tietoa ja tehdä päätöksiä paljon ihmisaivojen tavoin.
Keitä Nobel-palkinnon kaksi saajaa ovat?
Princetonin yliopiston emeritusprofessorina toimiva 91-vuotias Hopfield tunnetaan 1980-luvulla kehittämästään Hopfieldin verkosta, joka mallinsi assosiatiivista muistia fysiikan periaatteiden avulla.
Hänen työnsä oli keskeisessä rollissa sen ymmärtämisessä, miten neuroverkot voivat simuloida muistia ja oppimisprosesseja.
76-vuotias brittiläissyntyinen Hinton, Toronton yliopiston emeritusprofessori, lähti Googlelta vuonna 2023 havaittuaan, että tietokoneet voisivat tulla ihmisiä älykkäämmiksi paljon nopeammin kuin hän ja muut asiantuntijat olivat odottaneet.
Tietojenkäsittelytieteilijä ja kognitiivinen psykologi Hinton keksi menetelmän, joka voi itsenäisesti löytää ominaisuuksia datasta ja suorittaa tehtäviä, kuten tunnistaa tiettyjä elementtejä kuvista.
"Olen hämmästynyt, en ollut osannut odottaa tätä, olen todella yllättynyt," Hinton kertoi toimittajille, kun häneltä kysyttiin tunteistaan Nobel-palkinnon saatuaan.
"Tämä on verrattavissa teolliseen vallankumoukseen. Koneoppiminen ylittää ihmisten älylliset kyvyt," hän lisäsi.
Vaikka hän korosti useita soveltamisen alueita, kuten terveydenhuoltoa, tekoälyavustajia ja työtehokkuuden parantamista, hän painotti myös koneoppimisen mahdollisia vaaroja, kuten tilanteita, joissa sen hallinta voidaan kadottaa.
Työn vaikutus
Hopfieldin ja Hintonin kontribuutiot ovat siirtymässä teoreettisesta tutkimuksesta käytännön sovelluksiin, jotka koskettavat nyt jokapäiväistä elämää.
Hopfieldin verkko oli keskeinen osoittamaan, kuinka neuroverkot voivat jäljitellä aivojen tapaa käsitellä ja tallentaa tietoa.
Hinton laajensi Hopfieldin verkkoa Boltzmannin koneella, joka oppii tunnistamaan tietynlaisia elementtejä datasta käyttäen tilastollista fysiikkaa. Tätä konetta koulutetaan syöttämällä sille esimerkkejä, jotka todennäköisesti esiintyvät sen toiminnan aikana.
Se voi luokitella kuvia tai luoda uusia esimerkkejä oppimansa perusteella. Tällä on merkittävä rooli koneoppimisen kehityksessä.
Tämä teoreettinen läpimurto loi perustan tekoälyn kehitykselle ja mahdollisti koneiden oppimisen ja muistin simuloinnin.
Hintonin työ vastavirta-algoritmin parissa (engl. backpropagation) mullisti neuroverkkojen koulutuksen ja auttoi niitä tulemaan paremmiksi oppimalla virheistään.
Tämä menetelmä on olennaisen tärkeä nykyaikaisten syväoppimisjärjestelmien toiminnalle, jotka muodostavat puheentunnistuksen, tietokonevisioiden ja luonnollisen kielen käsittelyn kaltaisten teknologioiden perustan.
Ilman vastavirta-algoritmia neuroverkkojen olisi vaikea parantua tarkkuudessa ja vaikeudessa. Tämä hankaloittaisi niiden kykyä suorittaa nykyisin mahdollisia monimutkaisia tehtäviä.
Aina äänentunnistusjärjestelmistä diagnostisiin lääketieteellisiin työkaluihin saakka, niiden edistysaskeleet muodostavat tekoälyn vallankumouksen perustan.
Nobel-komitea korosti, kuinka näiden miesten työn avulla tekoäly voi lajitella ja analysoida valtavia tietoaineistoja tehokkaammin eri sektoreilla.
"Koneoppiminen, joka perustuu keinotekoisiin neuroverkkoihin, mullistaa tällä hetkellä tiedettä, tekniikkaa ja jokapäiväistä elämää," komitea totesi.
Globaaleja huolenaiheita
Komitea tunnusti myös koneoppimiseen ja tekoälyyn liittyvät laajat globaalit huolenaiheet.
"Vaikka koneoppimisella on valtavia etuja, sen nopea kehitys on herättänyt myös huolia tulevaisuudestamme," sanoi Ellen Moons, fysiikan Nobel-komitean puheenjohtaja.
"Ihmisillä on kollektiivinen vastuu tämän uuden teknologian turvallisesta ja eettisestä käytöstä ihmiskunnan suurimman hyödyn saavuttamiseksi," hän lisäsi.
”Ihmisillä on kollektiivinen vastuu tämän uuden teknologian turvallisesta ja eettisestä käytöstä ihmiskunnan suurimman hyödyn saavuttamiseksi.”
Hinton on aiemmin ottanut kantaa näihin huoliin eroamalla tehtävästään Googlella keskustellakseen avoimesti kehittämänsä teknologian riskeistä.
Hän ilmaisi jatkuvaa huolta "useista mahdollisista haitallisista seurauksista", jotka voivat johtua hänen työstään koneoppimisen parissa, "erityisesti uhasta, että nämä asiat voivat päästä hallinnasta".
Huolimatta näistä huolenaiheista hän totesi, että tekisi silti samat päätökset uudelleen.
Nobel-palkinto, jota pidetään laajasti fyysikkojen korkeimpana kunnianosoituksena, perustettiin Alfred Nobelin testamentin mukaisesti yhdessä tieteen, kirjallisuuden, lääketieteen ja rauhan saavutuksien palkintojen kanssa.
Palkinto sisältää 1,1 miljoonan dollarin rahasumman, joka jaetaan kahden voittajan kesken.
Fysiikka on toinen tämän viikon Nobel-palkinto. Ensimmäisenä oli lääketieteen palkinto, jonka voittivat yhdysvaltalaiset tiedemiehet Victor Ambros ja Gary Ruvkun mikroRNA:n ja sen geenisäätelyssä näyttelemän roolin löytämisestä, mikä on tarjonnut tietoa siitä, miten solut erilaistuvat.
