の2024 年ノーベル物理学賞この賞は、「人工ニューラル ネットワークによる機械学習を可能にする基礎的な発見と発明」に対して、科学者のジョン ホップフィールドとジェフリー ヒントンに授与されました。

ホップフィールドとヒントンは、物理学と生物学のアイデアに触発されて、データのパターンを記憶し、そこから学習できるコンピューター システムを開発しました。直接協力したことはありませんでしたが、互いの研究を基礎にして、現在の機械学習ブームの基礎を開発しました。人工知能(AI)。

ニューラルネットワークとは何ですか?（そして、それらは物理学と何の関係があるのでしょうか？）

人工ニューラル ネットワークは、今日私たちが使用している AI テクノロジーの多くを支えています。

あなたの脳も同じように神経細胞シナプスによってリンクされた人工ニューラル ネットワークには、さまざまな構成で接続されたデジタル ニューロンがあります。個々のニューロンはあまり働きません。むしろ、魔法はそれらの間のつながりのパターンと強さにあります。

人工ニューラル ネットワーク内のニューロンは、入力信号によって「活性化」されます。これらの活性化は、入力情報を変換および処理できる方法で、1 つのニューロンから次のニューロンにカスケードされます。その結果、ネットワークは分類、予測、意思決定などの計算タスクを実行できます。

機械学習の歴史のほとんどは、人工ニューロン間の接続を形成し、更新するためのこれまで以上に洗練された方法を見つけることにありました。

情報を保存および処理するためにノードのシステムをリンクするという基本的なアイデアは生物学から来ていますが、これらのリンクの形成と更新に使用される数学は物理学から来ています。

記憶できるネットワーク

ジョン・ホップフィールド (1933 年生まれ) は米国の理論物理学者であり、生物物理学の分野でそのキャリアを通じて重要な貢献をしました。しかし、ノーベル物理学賞は彼の研究開発に対するものでした。ホップフィールドネットワーク1982年に。

ホップフィールド ネットワークは、最も初期の種類のネットワークの 1 つです。人工ニューラルネットワーク。神経生物学と分子物理学の原理に触発されたこれらのシステムは、コンピューターがノードの「ネットワーク」を使用して情報を記憶し、呼び出す方法を初めて実証しました。

ホップフィールドが開発したネットワークは、データ (白黒画像のコレクションなど) を記憶できました。これらの画像は、ネットワークが同様の画像を要求されたときに、関連付けによって「呼び出す」ことができます。

実際の用途は限られていますが、ホップフィールド ネットワークは、このタイプの ANN が新しい方法でデータを保存および取得できることを実証しました。これらはヒントンによる後の研究の基礎を築きました。

学習できる機械

ジェフ・ヒントン（1947年生まれ）は、「」の一人とも呼ばれます。AIのゴッドファーザー" は、この分野に多くの重要な貢献をしてきたイギリス系カナダ人のコンピューター科学者です。2018 年には、ヨシュア ベンジオ氏およびヤン ルカン氏とともに、次の取り組みが評価され、チューリング賞 (コンピューター サイエンスにおける最高の栄誉) を受賞しました。機械学習全般、特に深層学習と呼ばれるその分野を進歩させます。

しかし、ノーベル物理学賞は、特に 1984 年のテレンス・セジノウスキーらとの共同研究、ボルツマンマシン。

これらはホップフィールド ネットワークの拡張であり、機械学習、つまりコンピューターがプログラマーからではなくデータの例から学習できるようにするシステムの概念を実証しました。ヒントンは、統計物理学のエネルギー力学のアイデアに基づいて、この初期の生成コンピューター モデルが、覚えておくべきものの例を示されることで、時間の経過とともにデータを保存する方法をどのように学習できるかを示しました。

ボルツマン マシンは、それ以前のホップフィールド ネットワークと同様、すぐには実用化されませんでした。ただし、修正された形式 (制限付きボルツマン マシンと呼ばれる) は、一部の応用問題では役に立ちました。

さらに重要なのは、人工ニューラル ネットワークがデータから学習できるという概念的な画期的な進歩でした。ヒントンはこのアイデアを発展させ続けました。彼はその後、次のような影響力のある論文を発表しました。バックプロパゲーション（現代で使われている学習プロセス機械学習システム）と畳み込みニューラル ネットワーク(画像およびビデオ データを処理する AI システムに現在使用されている主なタイプのニューラル ネットワーク)。

なぜ今この賞なのか？

ホップフィールド ネットワークやボルツマン マシンは、今日の AI の偉業と比べると奇抜に思えます。ホップフィールドのネットワークにはわずか 30 個のニューロンが含まれていましたが (彼は 100 個のノードでネットワークを作成しようとしましたが、当時のコンピューティング リソースには多すぎました)、ChatGPT などの最新のシステムには数百万個のニューロンが含まれることがあります。しかし、今日のノーベル賞は、これらの初期の貢献がこの分野にとっていかに重要であったかを強調しています。

ChatGPT などの生成 AI システムで私たちのほとんどがよく知っている最近の AI の急速な進歩は、ニューラル ネットワークの初期の支持者にとって正当性を証明しているように見えるかもしれませんが、ヒントンは少なくとも懸念を表明しました。2023年、GoogleのAI部門での10年にわたる勤務を辞めた後、彼はこう語った。発展速度に怯えているそして、より積極的なAI規制を求める声の高まりに加わりました。

ヒントンはノーベル賞受賞後、言ったAIは「産業革命に似ていますが、人間の身体的能力ではなく、知的能力を超えるようになるでしょう」。同氏はまた、自分の仕事の結果が「最終的には私たちよりも知能の高いシステムが支配するようになるかもしれない」と今でも心配しているとも述べた。

この記事はから転載されています会話クリエイティブ・コモンズ・ライセンスに基づいて。読んでください元の記事。