Нобелівська премія з фізики-2024: хрещені батьки штучного інтелекту. Чому лауреати кажуть, що технологія, навіяна структурою головного мозку, це - точка біфуркації в історії?

Як повідомили у Фонді Нобеля, двоє цьогорічних лауреатів Нобелівської премії з фізики використали інструменти фізики для розробки методів, які є основою сучасного потужного машинного навчання.

Джон Гопфілд створив асоціативну пам'ять, яка може зберігати та реконструювати зображення та інші типи шаблонів у даних.

Джеффрі Гінтон винайшов метод, який може автономно знаходити властивості в даних і таким чином виконувати такі завдання, як ідентифікація конкретних елементів на зображеннях.

Коли ми говоримо про штучний інтелект, ми часто маємо на увазі машинне навчання за допомогою штучних нейронних мереж.  Але ця технологія спочатку була навіяна структурою мозку.

Спочатку натхнення прийшло з бажання зрозуміти, як працює мозок. У 1940-х роках дослідники почали міркувати навколо математики, яка лежить в основі мережі нейронів і синапсів мозку.

Інша частина головоломки прийшла з психології, завдяки гіпотезі нейробіолога Дональда Гебба про те, як відбувається навчання, оскільки зв’язки між нейронами зміцнюються, коли вони працюють разом.

Штучна нейронна мережа обробляє інформацію, використовуючи всю структуру мережі.

У штучній нейронній мережі нейрони головного мозку представлені вузлами, які мають різні значення. Ці вузли впливають один на одного через зв’язки, які можна уподібнити до синапсів і які можна зробити сильнішими або послабленими.

Мережа навчається, наприклад, завдяки розробці сильніших зв’язків між вузлами з одночасними високими значеннями. Цьогорічні лауреати провели важливу роботу зі штучними нейронними мережами з 1980-х років.

Коли Гопфілд опублікував свою статтю про асоціативну пам'ять, Джеффрі Гінтон працював в Університеті Карнегі-Меллона в Пітсбурзі, США.

Раніше він вивчав експериментальну психологію та штучний інтелект в Англії та Шотландії, і йому було цікаво, чи зможуть машини навчитися обробляти шаблони подібно до людей, знаходячи власні категорії для сортування та інтерпретації інформації.

Разом зі своїм колегою Терренсом Сейновським Гінтон почав із мережі Гопфілда та розширив її, щоб створити щось нове, використовуючи ідеї зі статистичної фізики.

Розвиток, свідками якого ми зараз є, став можливим завдяки доступу до величезних обсягів даних, які можна використовувати для навчання мереж, і завдяки величезному збільшенню обчислювальної потужності. Сучасні штучні нейронні мережі часто величезні та складаються з багатьох шарів. Вони називаються глибокими нейронними мережами, а спосіб їхнього навчання називається глибоким навчанням.

Робота лауреатів вже принесла найбільшу користь. У фізиці ми використовуємо штучні нейронні мережі в широкому діапазоні областей, таких як розробка нових матеріалів із певними властивостями, 

 

— каже Еллен Мунс, голова Нобелівського комітету з фізики.

Я б сказав, що я той, хто насправді не знає, у якій сфері він працює, але хотів би зрозуміти, як працює мозок. І в своїх спробах зрозуміти, як працює мозок, я допоміг створити технологію, яка працює напрочуд добре,

- відповів на телефонний дзвінок із Нобелівського комітету новоспечений лауреат Джеффрі Гінтон.

Він перебував на той час в дешевому готелі в Каліфорнії, без підключення до Інтернету та з не дуже хорошою телефонною лінією.

Джеффрі Гінтон планував пройти МРТ, і навіть не підозрював, що його номінували на Нобелівську премію з фізики. Він був надзвичайно здивований.

До речі, вчений публічно висловлював побоювання щодо того, що може принести технологія.

Гінтона вважають хрещеним батьком штучного інтелекту, і він потрапив у заголовки газет, коли залишив роботу в Google (GOOGL.O), щоб мати можливість легше говорити про небезпеку технології, яку він запровадив.

Що, на його думку, потрібно зробити, щоб розвіяти страхи, які висловлюєте ви та інші?

- Я хотів би, щоб у мене був якийсь простий рецепт: ось, якщо ви це зробите, все буде гаразд! Але ні. Зокрема, щодо екзистенційної загрози виходу цих речей з-під контролю та захоплення, я думаю, що ми є свого роду точкою біфуркації в історії, де в наступні кілька років нам потрібно з’ясувати, чи є спосіб з цим впоратися.

Отже, я вважаю, що зараз дуже важливо, щоб люди працювали над тим, як ми будемо це контролювати? Нам потрібно докласти багато зусиль для дослідження.

Він думає, що уряди можуть змусити великі компанії витрачати набагато більше своїх ресурсів на дослідження безпеки. Щоб, наприклад, такі компанії, як OpenAI, не могли просто відсунути дослідження безпеки на другий план.

91-річний Гопфілд, почесний професор Прінстонського університету, створив асоціативну пам’ять, яка може зберігати та реконструювати зображення та інші типи шаблонів у даних. Він повторив занепокоєння Хінтона, сказавши, що в невідомому потенціалі та обмеженнях штучного інтелекту є щось насторожуюче.

- Ми звикли мати технології, які не тільки хороші чи тільки погані, але мають можливості і на боці добра, і на боці зла,

– сказав він.

Еллен Мунс, голова Нобелівського комітету з фізики, зазначила:

«Колективно люди несуть відповідальність за використання цієї нової технології безпечним і етичним способом для найбільшої користі людства».

Джон Дж. Гопфілд , народився 1933 року в Чикаго, Іллінойс, США. Доктор філософії 1958 року в Корнельському університеті, Ітака, штат Нью-Йорк, США. Професор Прінстонського університету, Нью-Джерсі, США.

У 1980 році Гопфілд залишив свою посаду в Прінстонському університеті, де його наукові інтереси вивели його за межі сфер, у яких працювали його колеги-фізики, і переїхав на інший континент. Він прийняв пропозицію стати професором хімії та біології в Каліфорнійському технологічному інституті (Каліфорнійський технологічний інститут) у Пасадені, південна Каліфорнія. Там він отримав доступ до комп’ютерних ресурсів, які міг використовувати для безкоштовних експериментів і розвитку своїх ідей про нейронні мережі.

Джеффрі Е. Гінтон , народився 1947 року в Лондоні, Великобританія. Доктор філософії 1978 року в Единбурзькому університеті, Великобританія. Професор Університету Торонто, Канада.

Читайте також:

Нобелівська премія з медицини-2024. МікроРНК: 500 мільйонів років до людини...