ג'ון הדפילד וג'פרי הינטון זכו בפרס על מחקרם החלוצי בלמידת מכונה בעזרת רשתות עצבים בהשראת מבנה המוח
פרס נובל בפיזיקה לשנת 2024 הוענק לשני מדענים באופן שווה: מדען אחד מארה"ב ומדען שני מקנדה שחקרו רשתות עצביות.
שני חתני פרס הנובל בפיזיקה לשנת 2024 הם: ג'ון ג'וזף הדפילד מאוניברסיטת פרינסטון וג'פרי הינטון מאוניברסיטת טורונטו. החוקרים קיבלו את הפרס היוקרתי בזכות שורה ארוכה של מחקרים פורצי דרך שאפשרו התפתחות בתחום למידת מכונה ורשתות עצבים המשמים כ כלי חישוב המדמים את פעילותה של מערכת העצבים.
שני החוקרים הצליחו לאמן רשתות נוירונים מלאכותיות תוך שימוש בפיזיקה.
שני חתני פרס הנובל בפיזיקה לשנה זו לקחו כלים מתחום הפיזיקה ובעזרתם פיתחו שיטות המהוות כיום את היסודות של למידת המכונה העוצמתית של היום.
ג'ון הדפילד מאוניברסיטת פרינסטון פיתח זיכרון סִמּוּכִי (associative) שיכול לאחסן ולבנות מחדש (reconstruct) תמונות וסוגים אחרים של תבניות בתוך מאגר נתונים.
ג'פרי הינטון מאוניברסיטת טורונטו המציא שיטה שיכולה באופן עצמאי למצוא תכונות בתוך מאגר נתונים, ובכך לבצע מטלות כגון זיהו של אלמנטים ספציפיים בתמונות.
כאשר אנו מדברים על בינה מלאכותית, אנו לרוב מתכוונים ללימוד מכונה תוך שימוש ברשתות עצביות מלאכותיות. טכנולוגיה זו קיבלה את השראתה במקור על ידי מבנהו של המוח. ברשת עצבית מלאכותית הנוירונים שבמוח מיוצגים על ידי צמתים (nodes) בעלי ערכים שונים. צמתים אלו משפיעים אחד על השני דרך קשרים המחוברים על ידי סינפסות (מצמדים) היכולים להיות מחוזקים או מוחלשים. הרשת "מאומנת", למשל על ידי פיתוח קשרים חזקים יותר בין צמתים עם ערכים גבוהים יותר, בו-זמנית. חתני פרס הנובל בשנה זו ערכו מחקר חשוב בעזרת רשתות עצביות מלאכותיות החל מתחילת שנות השמונים של המאה הקודמת ואילך.
ג'ון הדפילד המציא רשת העושה שימוש בשיטה עבור שמירה ובנייה מחדש של תבניות. אנו יכולים לדמיין את הצמתים בתור פיקסלים. רֶשֶׁת הוֹפְּפִילְד, רֶשֶׁת מָשׁוֹב סִמּוּכִית, מנצלת את הפיזיקה שבה התכונות של החומרים מתוארות על ידי הספין האטומי – תכונה ההופכת כל אטום למגנט זעיר. הרשת בכללותה מתוארת באופן המקביל לאנרגיה האצורה במערכת הספין הידועה מתחום הפיזיקה, והיא מאומנת על ידי מציאת ערכים עבור הקשרים שבין הצמתים כך שלתמונות שמורות יש אנרגיה נמוכה. כאשר רֶשֶׁת הוֹפְּפִילְד מוזנת בתמונה מעוותת או בלתי-שלמה, באופן שיטתי היא עוברת בין הצמתים השונים ומעדכנת את הערכים שלהם כך שהאנרגיה הכוללת של הרשת מופחתת. כך, הרשת פועלת בהדרגה במטרה למצוא את התמונות השמורות שרבים ביותר הסיכויים שלהן להיות בלתי שלמות לאחר ההזנה שלהן.
ג'פרי הינטון מאוניברסיטת טורונטו השתמש ברֶשֶׁת הוֹפְּפִילְד בתור הבסיס לרשת חדשה העושה שימוש בשיטה אחרת: מכונת בולצמן (Boltzmann machine). שיטה זו יכולה "ללמוד" לזהות יסודות אופייניים בסוג נתון של מאגר נתונים. הינטון השתמש בכלים שנלקחו מהתחום של פיזיקה סטטיסטית (statistical physics), המדע שבו מערכות בנויות מרכיבים דומים רבים. המכונה מאומנת על ידי הזנה לתוכה דוגמאות שסביר מאוד להניח שתופענה כאשר המכונה מופעלת. ניתן להשתמש במכונת בולצמן בכדי לסווג תמונות או ליצור דוגמאות חדשות של סוג התבנית שבעזרתה היא עברה "אימון". הינטון התבסס על עבודה זו, ובעזרתה הוא היה החלוץ של כל התחום של לימוד מכונה.
"המחקר של חתני פרס הנובל לשנה זו כבר כעת הוא בעל תועלות גדולות. בפיזיקה, אנו משתמשים ברשתות עצביות מלאכותיות במגוון של תחומים, כגון פיתוח חומרים חדשים בעלי תכונות נדרשות," אומר Ellen Moon, יו"ר וועדת הנובל בתחום הפיזיקה.
· ג'ון הדפילד – נולד בשנת 1993 בשיקאגו, אילינוי, ארה"ב. קיבל את הדוקטורט שלו בשנת 1958 מאוניברסיטת קורנל, אוניברסיטת מחקר באית'קה, ניו יורק, ארה"ב. משמש כיום בפרופסור באוניברסיטת פרינסטון, ניו ג'רסי, ארה"ב.
· ג'פרי הינטון – נולד בשנת 1947 בלונדון, בריטניה. קיבל את הדוקטורט שלו בשנת 1978 מאוניברסיטת אדינבורו. משמש כיום בפרופסור באוניברסיטת טורונטו, קנדה.
עוד בנושא באתר הידען:
