그만큼노벨 물리학상이 수여되었습니다ChatGPT와 같이 매우 인기 있는 도구에서 사용되는 인공 지능의 토대를 마련한 발견으로 화요일에 두 명의 과학자에게 감사를 표했습니다.

'AI의 대부'로 알려진 영국계 캐나다인 제프리 힌튼(Geoffrey Hinton)과 미국의 물리학자 존 홉필드(John Hopfield)가 '머신러닝을 가능하게 하는 발견과 발명'으로 상을 받았습니다.인공 신경망"라고 노벨 심사위원단은 말했다.

하지만 그것들은 무엇이며, 이것이 모두 무엇을 의미합니까?다음은 몇 가지 답변입니다.

신경망과 기계 학습이란 무엇입니까?

옥스포드 대학의 기계 학습 전문가인 마크 반 데르 윌크(Mark van der Wilk)는 AFP와의 인터뷰에서 인공 신경망은 수학에서 "느슨하게 영감을 받은" 수학적 구조라고 말했습니다.인간의 뇌.

우리의 뇌에는 뉴런이라는 세포 네트워크가 있는데, 이 뉴런은 눈으로 보거나 귀로 들은 것과 같은 외부 자극에 반응하여 서로에게 신호를 보냅니다.

우리가 사물을 배울 때 뉴런 사이의 일부 연결은 더 강해지고 다른 연결은 약해집니다.

조리법을 읽는 것처럼 작동하는 기존 컴퓨팅과 달리 인공 신경망은 대략 이 프로세스를 모방합니다.

생물학적 뉴런은 '노드'라고 불리는 간단한 계산으로 대체되며, 뉴런이 학습하는 들어오는 자극은 훈련 데이터로 대체됩니다.

이를 통해 네트워크가 시간이 지남에 따라 학습할 수 있다는 생각에서 머신러닝이라는 용어가 사용되었습니다.

Hopfield는 무엇을 발견했습니까?

그러나 기계가 학습할 수 있으려면 인간의 또 다른 특성, 즉 기억이 필요했습니다.

단어를 기억하는 데 어려움을 겪은 적이 있습니까?거위를 생각해 보세요.거위를 공격하기 전에 비슷한 단어(goon, good, ghoul)를 순환할 수도 있습니다.

"기억해야 할 것과 정확히 일치하지 않는 패턴이 주어지면 빈칸을 채워야 합니다"라고 van der Wilk는 말했습니다.

"그것이 특정한 기억을 기억하는 방법입니다."

이것이 물리학자가 1980년대 초에 개발한 "연상 기억"이라고도 불리는 "홉필드 네트워크"의 배경 아이디어였습니다.

Hopfield의 기여는 인공 신경망에 약간 잘못된 내용이 주어지면 이전에 저장된 패턴을 순환하여 가장 가까운 일치 항목을 찾을 수 있음을 의미합니다.

이는 AI의 중요한 진전을 입증했습니다.

힌튼은 어떻습니까?

1985년에 Hinton은 이 분야에 대한 자신의 기여를 공개했으며 그 중 최소한 하나는 Boltzmann 기계라고 불렀습니다.

19세기 물리학자 루트비히 볼츠만의 이름을 딴 이 개념은 무작위성의 요소를 도입했습니다.

이러한 임의성은 궁극적으로 오늘날의 AI 기반 이미지 생성기가 동일한 프롬프트에 대해 무한한 변형을 생성할 수 있는 이유입니다.

Hinton은 또한 네트워크에 계층이 많을수록 "동작이 더 복잡해질 수 있다"는 사실을 보여주었습니다.

이는 결과적으로 "원하는 행동을 효율적으로 학습"하는 것을 더 쉽게 만들었다고 프랑스 기계 학습 연구원인 Francis Bach는 AFP에 말했습니다.

그것은 무엇을 위해 사용됩니까?

이러한 아이디어가 확립되었음에도 불구하고 많은 과학자들은 1990년대에 이 분야에 대한 관심을 잃었습니다.

머신러닝에는 방대한 양의 정보를 처리할 수 있는 엄청나게 강력한 컴퓨터가 필요했습니다.이러한 알고리즘이 개와 고양이를 구별하려면 수백만 장의 개 이미지가 필요합니다.

따라서 2010년대가 되어서야 획기적인 혁신의 물결이 "이미지 처리와 관련된 모든 것에 혁명을 일으켰습니다.자연어 처리"라고 바흐는 말했다.

의료스캔 낭독부터 연출까지자율주행차, 날씨 예측, 딥페이크 생성 등 AI의 활용 사례는 이제 셀 수 없을 정도로 많습니다.

하지만 그것이 정말 물리학일까요?

Hinton은 이미 컴퓨터 과학의 노벨상이라 불리는 Turing 상을 수상했습니다.

그러나 몇몇 전문가들은 그가 AI로 이어지는 과학을 시작한 물리학 분야에서 당연한 노벨상 수상이라고 말했습니다.

프랑스 연구원 Damien Querlioz는 이러한 알고리즘이 원래 "에너지 개념을 컴퓨팅 분야로 옮겨 물리학에서 영감을 얻었다"고 지적했습니다.

반 데르 윌크(Van der Wilk)는 “AI의 방법론적 발전을 위한” 첫 번째 노벨상은 수상자뿐만 아니라 물리학계의 공헌을 인정했다고 말했습니다.

ChatGPT는 때때로 AI를 진정으로 창의적으로 보이게 만들 수 있지만 ChatGPT의 "기계" 부분을 기억하는 것이 중요합니다.기계 학습.

van der Wilk는 "여기에는 마법 같은 일이 일어나지 않습니다"라고 강조했습니다.

"결국 AI의 모든 것은 곱셈과 덧셈이다."

© 2024 AFP