2024 भौतिकी में नोबेल पुरस्कारवैज्ञानिकों जॉन हॉपफील्ड और जेफ्री हिंटन को "कृत्रिम तंत्रिका नेटवर्क के साथ मशीन सीखने को सक्षम बनाने वाली मूलभूत खोजों और आविष्कारों के लिए" सम्मानित किया गया है।

भौतिकी और जीव विज्ञान के विचारों से प्रेरित होकर, हॉपफील्ड और हिंटन ने कंप्यूटर सिस्टम विकसित किया जो डेटा में पैटर्न को याद रख सकता है और सीख सकता है।कभी सीधे सहयोग न करने के बावजूद, उन्होंने मशीन लर्निंग में मौजूदा उछाल की नींव विकसित करने के लिए एक-दूसरे के काम पर काम किया औरकृत्रिम होशियारी(एआई)।

तंत्रिका नेटवर्क क्या हैं?(और उनका भौतिकी से क्या लेना-देना है?)

आज हम जिस एआई तकनीक का उपयोग करते हैं, उसके पीछे कृत्रिम तंत्रिका नेटवर्क का हाथ है।

ठीक वैसे ही आपके दिमाग का भी हैन्यूरोनल कोशिकाएंसिनैप्स द्वारा जुड़े हुए, कृत्रिम तंत्रिका नेटवर्क में डिजिटल न्यूरॉन्स विभिन्न विन्यासों में जुड़े होते हैं।प्रत्येक व्यक्तिगत न्यूरॉन बहुत कुछ नहीं करता है।इसके बजाय, जादू उनके बीच संबंधों के पैटर्न और मजबूती में निहित है।

कृत्रिम तंत्रिका नेटवर्क में न्यूरॉन्स इनपुट संकेतों द्वारा "सक्रिय" होते हैं।ये सक्रियताएँ एक न्यूरॉन से दूसरे न्यूरॉन तक ऐसे तरीकों से जाती हैं जो इनपुट जानकारी को बदल और संसाधित कर सकती हैं।परिणामस्वरूप, नेटवर्क वर्गीकरण, भविष्यवाणी और निर्णय लेने जैसे कम्प्यूटेशनल कार्य कर सकता है।

मशीन लर्निंग का अधिकांश इतिहास कृत्रिम न्यूरॉन्स के बीच इन कनेक्शनों को बनाने और अद्यतन करने के लिए और अधिक परिष्कृत तरीके खोजने के बारे में रहा है।

जबकि सूचनाओं को संग्रहीत करने और संसाधित करने के लिए नोड्स की प्रणालियों को एक साथ जोड़ने का मूलभूत विचार जीव विज्ञान से आया था, इन लिंक को बनाने और अद्यतन करने के लिए उपयोग किया जाने वाला गणित भौतिकी से आया था।

नेटवर्क जो याद रख सकते हैं

जॉन हॉपफील्ड (जन्म 1933) एक अमेरिकी सैद्धांतिक भौतिक विज्ञानी हैं जिन्होंने जैविक भौतिकी के क्षेत्र में अपने करियर में महत्वपूर्ण योगदान दिया है।हालाँकि, नोबेल भौतिकी पुरस्कार उनके विकासात्मक कार्य के लिए थाहॉपफील्ड नेटवर्क1982 में.

हॉपफ़ील्ड नेटवर्क सबसे शुरुआती प्रकारों में से एक थेकृत्रिम तंत्रिका नेटवर्क.न्यूरोबायोलॉजी और आणविक भौतिकी के सिद्धांतों से प्रेरित होकर, इन प्रणालियों ने पहली बार प्रदर्शित किया कि कैसे एक कंप्यूटर जानकारी को याद रखने और वापस बुलाने के लिए नोड्स के "नेटवर्क" का उपयोग कर सकता है।

होपफील्ड द्वारा विकसित नेटवर्क डेटा को याद रख सकता है (जैसे कि काले और सफेद छवियों का संग्रह)।जब नेटवर्क को एक समान छवि के साथ संकेत दिया जाता है तो इन छवियों को एसोसिएशन द्वारा "वापस बुलाया" जा सकता है।

सीमित व्यावहारिक उपयोग के बावजूद, हॉपफील्ड नेटवर्क ने प्रदर्शित किया कि इस प्रकार का एएनएन डेटा को नए तरीकों से संग्रहीत और पुनर्प्राप्त कर सकता है।उन्होंने हिंटन के बाद के काम की नींव रखी।

मशीनें जो सीख सकती हैं

ज्योफ हिंटन (जन्म 1947), जिन्हें कभी-कभी "में से एक" कहा जाता है।एआई के गॉडफादर", एक ब्रिटिश-कनाडाई कंप्यूटर वैज्ञानिक हैं जिन्होंने इस क्षेत्र में कई महत्वपूर्ण योगदान दिए हैं। 2018 में, योशुआ बेंगियो और यान लेकुन के साथ, उन्हें उनके प्रयासों के लिए ट्यूरिंग अवार्ड (कंप्यूटर विज्ञान में सर्वोच्च सम्मान) से सम्मानित किया गया था।आम तौर पर एडवांस मशीन लर्निंग, और विशेष रूप से इसकी एक शाखा जिसे डीप लर्निंग कहा जाता है।

हालाँकि, भौतिकी में नोबेल पुरस्कार विशेष रूप से 1984 में टेरेंस सेजनोव्स्की और अन्य सहयोगियों के साथ उनके विकास के काम के लिए है।बोल्ट्ज़मैन मशीनें.

ये हॉपफील्ड नेटवर्क का एक विस्तार है जिसने मशीन लर्निंग के विचार को प्रदर्शित किया - एक ऐसी प्रणाली जो कंप्यूटर को प्रोग्रामर से नहीं, बल्कि डेटा के उदाहरणों से सीखने देती है।सांख्यिकीय भौतिकी की ऊर्जा गतिशीलता में विचारों से आकर्षित होकर, हिंटन ने दिखाया कि कैसे यह प्रारंभिक जेनरेटर कंप्यूटर मॉडल याद रखने योग्य चीजों के उदाहरण दिखाकर समय के साथ डेटा संग्रहीत करना सीख सकता है।

बोल्ट्ज़मैन मशीन, इसके पहले हॉपफील्ड नेटवर्क की तरह, तत्काल व्यावहारिक अनुप्रयोग नहीं थी।हालाँकि, एक संशोधित रूप (जिसे प्रतिबंधित बोल्ट्ज़मैन मशीन कहा जाता है) कुछ लागू समस्याओं में उपयोगी था।

अधिक महत्वपूर्ण वह वैचारिक सफलता थी जो एक कृत्रिम तंत्रिका नेटवर्क डेटा से सीख सकता था।हिंटन ने इस विचार को विकसित करना जारी रखा।बाद में उन्होंने प्रभावशाली पत्र प्रकाशित कियेपश्चप्रचार(आधुनिक में प्रयुक्त सीखने की प्रक्रियायंत्र अधिगमसिस्टम) औरदृढ़ तंत्रिका नेटवर्क(एआई सिस्टम के लिए आज उपयोग किया जाने वाला मुख्य प्रकार का तंत्रिका नेटवर्क जो छवि और वीडियो डेटा के साथ काम करता है)।

अब यह पुरस्कार क्यों?

एआई की आज की उपलब्धियों की तुलना में हॉपफील्ड नेटवर्क और बोल्ट्जमैन मशीनें सनकी लगती हैं।हॉपफील्ड के नेटवर्क में केवल 30 न्यूरॉन्स थे (उन्होंने 100 नोड्स के साथ एक बनाने की कोशिश की, लेकिन यह उस समय के कंप्यूटिंग संसाधनों के लिए बहुत अधिक था), जबकि चैटजीपीटी जैसे आधुनिक सिस्टम में लाखों हो सकते हैं।हालाँकि, आज का नोबेल पुरस्कार इस बात को रेखांकित करता है कि इस क्षेत्र में ये शुरुआती योगदान कितने महत्वपूर्ण थे।

जबकि एआई में हालिया तीव्र प्रगति - चैटजीपीटी जैसे जेनेरिक एआई सिस्टम से हममें से अधिकांश के लिए परिचित - तंत्रिका नेटवर्क के शुरुआती समर्थकों के लिए पुष्टि की तरह प्रतीत हो सकती है, हिंटन ने कम से कम चिंता व्यक्त की है।2023 में, Google की AI शाखा में एक दशक लंबा कार्यकाल छोड़ने के बाद, उन्होंने कहा कि वहविकास की दर से डरे हुए हैंऔर अधिक सक्रिय एआई विनियमन की मांग करने वाली आवाजों की बढ़ती भीड़ में शामिल हो गए।

नोबेल पुरस्कार प्राप्त करने के बाद, हिंटनकहाएआई "औद्योगिक क्रांति की तरह होगा लेकिन हमारी भौतिक क्षमताओं के बजाय, यह हमारी बौद्धिक क्षमताओं से अधिक होगा।"उन्होंने यह भी कहा कि उन्हें अभी भी चिंता है कि उनके काम के परिणाम "ऐसी प्रणालियाँ हो सकती हैं जो हमसे अधिक बुद्धिमान हैं जो अंततः नियंत्रण ले सकती हैं।"

यह आलेख से पुनः प्रकाशित किया गया हैबातचीतक्रिएटिव कॉमन्स लाइसेंस के तहत।को पढ़िएमूल लेख.