그만큼2024년 노벨 물리학상이 상은 "인공 신경망을 통해 기계 학습을 가능하게 하는 근본적인 발견과 발명"으로 과학자 John Hopfield와 Geoffrey Hinton에게 수여되었습니다.

물리학과 생물학의 아이디어에서 영감을 받은 Hopfield와 Hinton은 데이터의 패턴을 기억하고 학습할 수 있는 컴퓨터 시스템을 개발했습니다.직접적으로 협력한 적은 없음에도 불구하고 그들은 서로의 작업을 기반으로 현재 머신러닝 붐의 기반을 구축하고인공지능(일체 포함).

신경망이란 무엇입니까?(물리학과 무슨 연관이 있나요?)

인공 신경망은 오늘날 우리가 사용하는 많은 AI 기술 뒤에 있습니다.

당신의 뇌도 마찬가지다.신경 세포시냅스로 연결된 인공 신경망에는 디지털 뉴런이 다양한 구성으로 연결되어 있습니다.각각의 개별 뉴런은 많은 일을 하지 않습니다.대신, 마법은 그들 사이의 연결의 패턴과 강도에 있습니다.

인공 신경망의 뉴런은 입력 신호에 의해 "활성화"됩니다.이러한 활성화는 입력 정보를 변환하고 처리할 수 있는 방식으로 한 뉴런에서 다음 뉴런으로 계단식으로 진행됩니다.결과적으로 네트워크는 분류, 예측, 의사 결정과 같은 계산 작업을 수행할 수 있습니다.

머신러닝 역사의 대부분은 인공 뉴런 간의 연결을 형성하고 업데이트하는 더욱 정교한 방법을 찾는 것이었습니다.

정보를 저장하고 처리하기 위해 노드 시스템을 함께 연결한다는 기본 아이디어는 생물학에서 나온 반면, 이러한 링크를 형성하고 업데이트하는 데 사용된 수학은 물리학에서 나왔습니다.

기억할 수 있는 네트워크

존 홉필드(John Hopfield, 1933년 출생)는 생물학 물리학 분야에서 중요한 공헌을 한 미국의 이론 물리학자입니다.그러나 노벨 물리학상은 그의 연구에 대한 것이었다.홉필드 네트워크1982년에.

Hopfield 네트워크는 가장 초기의 종류 중 하나였습니다.인공 신경망.신경생물학과 분자 물리학의 원리에서 영감을 받은 이 시스템은 컴퓨터가 노드의 "네트워크"를 사용하여 정보를 기억하고 회상할 수 있는 방법을 처음으로 보여주었습니다.

Hopfield가 개발한 네트워크는 데이터(예: 흑백 이미지 모음)를 기억할 수 있습니다.이러한 이미지는 네트워크에 유사한 이미지가 표시될 때 연관되어 "회상"될 수 있습니다.

제한된 실제 사용에도 불구하고 Hopfield 네트워크는 이러한 유형의 ANN이 새로운 방식으로 데이터를 저장하고 검색할 수 있음을 보여주었습니다.그들은 Hinton의 이후 작업을 위한 토대를 마련했습니다.

학습할 수 있는 기계

제프 힌튼(Geoff Hinton, 1947년 출생)은 때때로 ""AI의 대부들"는 이 분야에 많은 중요한 공헌을 한 영국계 캐나다인 컴퓨터 과학자입니다. 2018년에는 요슈아 벤지오(Yoshua Bengio), 얀 르쿤(Yann LeCun)과 함께 튜링상(컴퓨터 과학 분야 최고 영예)을 수상했습니다.일반적으로 머신러닝을 발전시키고, 특히 딥러닝이라고 불리는 분야를 발전시킵니다.

그러나 노벨 물리학상은 특히 1984년 Terrence Sejnowski 및 다른 동료들과 함께한 연구로 수여되었습니다.볼츠만 기계.

이는 컴퓨터가 프로그래머가 아닌 데이터 예를 통해 학습할 수 있게 해주는 시스템인 머신러닝의 아이디어를 시연한 Hopfield 네트워크의 확장입니다.통계 물리학의 에너지 역학에 대한 아이디어를 바탕으로 Hinton은 기억해야 할 항목의 예를 보여줌으로써 이 초기 생성 컴퓨터 모델이 시간이 지남에 따라 데이터를 저장하는 방법을 학습할 수 있는 방법을 보여주었습니다.

이전의 Hopfield 네트워크와 마찬가지로 Boltzmann 시스템에는 즉각적인 실제 적용이 없었습니다.그러나 수정된 ​​형식(제한된 볼츠만 기계라고 함)은 일부 응용 문제에 유용했습니다.

더 중요한 것은 인공 신경망이 데이터로부터 학습할 수 있는 개념적 혁신이었습니다.Hinton은 이 아이디어를 계속 발전시켰습니다.그는 나중에 다음과 같은 영향력 있는 논문을 발표했습니다.역전파(현대에서 사용되는 학습 과정기계 학습시스템) 및컨벌루션 신경망(현재 이미지 및 비디오 데이터를 사용하는 AI 시스템에 사용되는 주요 유형의 신경망)

지금 이 상이 왜 필요한가요?

Hopfield 네트워크와 Boltzmann 기계는 오늘날 AI의 위업에 비해 기발해 보입니다.Hopfield의 네트워크에는 30개의 뉴런만 포함되어 있었습니다(그는 100개의 노드로 구성된 뉴런을 만들려고 했지만 당시의 컴퓨팅 리소스에 비해 너무 많았습니다). 반면 ChatGPT와 같은 최신 시스템은 수백만 개를 가질 수 있습니다.그러나 오늘의 노벨상은 이러한 초기 기여가 해당 분야에 얼마나 중요한지 강조합니다.

ChatGPT와 같은 생성 AI 시스템에서 우리 대부분에게 친숙한 AI의 최근 급속한 발전은 신경망의 초기 지지자에게는 입증처럼 보일 수 있지만 Hinton은 적어도 우려를 표명했습니다.2023년, 그는 10년간 Google의 AI 부서에서 근무한 후, 다음과 같이 말했습니다.발전 속도에 겁을 먹다보다 적극적인 AI 규제를 요구하는 점점 늘어나는 목소리에 동참했습니다.

힌튼은 노벨상을 받은 후말했다AI는 "산업 혁명과 비슷하지만 우리의 물리적 능력 대신 지적 능력을 뛰어넘게 될 것"입니다.그는 또한 자신의 연구 결과가 "우리보다 더 지능적인 시스템이 결국 통제권을 갖게 될 수도 있다"고 여전히 걱정한다고 말했습니다.

이 기사는 다음에서 재출판되었습니다.대화크리에이티브 커먼즈 라이센스에 따라.읽기원본 기사.