John J. Hopfield i Geoffrey E. Hinton otrzymali tegoroczną Nagrodę Nobla w dziedzinie fizyki za ich przełomowe prace nad sztucznymi sieciami neuronowymi, które zrewolucjonizowały świat nauki oraz technologii. Hopfield, który rozpoczął karierę jako fizyk ciała stałego, dokonał przejścia w latach 80. do neuronauki, rozwijając sieć neuronową znaną obecnie jako sieć Hopfielda. Jego model pozwala na przechowywanie wzorców informacji oraz ich odtwarzanie na podstawie niekompletnych danych, co przypomina sposób, w jaki ludzki mózg przechowuje wspomnienia. Sieć Hopfielda wprowadza pojęcie pamięci asocjacyjnej, w której różne fragmenty informacji są ze sobą powiązane i mogą być odtworzone nawet na podstawie szczątkowych danych. To odkrycie otworzyło nowe możliwości nie tylko w fizyce, ale również w badaniach nad sztuczną inteligencją i neuronauką.
Z kolei Geoffrey E. Hinton, uznawany za jednego z najważniejszych pionierów współczesnej sztucznej inteligencji, w latach 80. pracował nad rozwojem maszyn Boltzmanna, których działanie oparł na zasadach fizyki statystycznej. Hinton, inspirując się modelem sieci Hopfielda, stworzył sieci zdolne do samodzielnego uczenia się poprzez minimalizację energii w układzie, co pozwalało na efektywne przetwarzanie dużych ilości danych. Maszyny Boltzmanna, nazwane tak na cześć austriackiego fizyka Ludwiga Boltzmanna, wykorzystują dwie warstwy neuronów – widoczną i ukrytą – co umożliwia im generowanie nowych informacji na podstawie istniejących wzorców. Dzięki tej technologii sieci neuronowe mogą kategoryzować i przetwarzać skomplikowane dane, takie jak obrazy i dźwięki. Ten model stał się fundamentem dla późniejszych technologii uczenia głębokiego, które są dziś powszechnie stosowane w sztucznej inteligencji.
Prace Hopfielda i Hintona miały ogromny wpływ nie tylko na fizykę i informatykę, ale także na neuronaukę. Model Hopfielda, który w prosty sposób przedstawia, jak neurony mogą współdziałać przy przechowywaniu i przywoływaniu wspomnień, jest szeroko stosowany w badaniach nad pamięcią i nawigacją u zwierząt i ludzi. Współczesna neuronauka korzysta z teorii sieciowych opracowanych przez tych naukowców, aby analizować ogromne zbiory danych dotyczące aktywności neuronalnej. Maszyny Boltzmanna z kolei umożliwiły rozwój algorytmów, które stały się podstawą współczesnej sztucznej inteligencji, wykorzystywanej m.in. w rozpoznawaniu twarzy, tłumaczeniu języków i wielu innych aplikacjach, które dziś są nieodłączną częścią naszego życia codziennego
Na temat osiągnięć dzisiejszych laureatów wypowiedzieli się eksperci z Centrum Współpracy i Dialogu Uniwersytetu Warszawskiego.
Prof. dr hab. Rafał Demkowicz-Dobrzański – Instytut Fizyki Teoretycznej, Wydział Fizyki UW
To jest w pewnym sensie rewolucja. Pierwszy raz Nagroda Nobla z fizyki nie jest w zasadzie z fizyki, a z informatyki, chociaż twórcy mieli wiele wspólnego z fizyką i inspirowali się wieloma procesami fizycznymi. Tegoroczna Nagroda przyznana została za algorytmy, które służą do przetwarzania informacji. Sieć neuronowa, którą zaprogramowujemy na naszym komputerze, jest określonym sposobem przetwarzania informacji, czyli jest algorytmem wzorowanym na tym, jak działa nasz mózg. Strukturę sieci neuronowej tworzymy w pewnej analogii do tego, jak nasze neurony są ze sobą połączone, jak przetwarzają informacje, ale oczywiście to wszystko robimy nie w materii biologicznej, tylko krzemowej – elektronicznej.
Rzecz jasna – sam Alfred Nobel nie wiedział, że będzie taka dziedzina jak informatyka. Jeszcze jej nie było, więc nawet jej nie uwzględnił w swoim testamencie. Widać, że Komitet Noblowski jednak zrobił krok dalej – uznał, że w dzisiejszych czasach informatyka jest tak ważną dziedziną, że zasługuje na Nagrodę Nobla. W pewnym sensie stało się to kosztem fizyki, a nie innych dziedzin, ale wydaje mi się, że ta Nagroda jest bardzo dobrze uzasadniona, zważywszy, iż w ostatnim czasie zalały nas metody AI. Od przeszło dwóch lat mamy słynny Chat GPT, który jest swego rodzaju ikoną tego, do czego doszliśmy od lat osiemdziesiątych, czyli od pionierskich prac noblistów – Hintona i Hopfielda.
Potrzebne były cztery dziesięciolecia, żeby można było pokazać praktyczne skutki tych idei – aby zaczęły one działać. I to jest bardzo ciekawa sprawa – razem z całą historią sztucznej inteligencji i kwestią sieci neuronowych. Kiedy one miały swój początek w latach osiemdziesiątych, ludzie podeszli do nich z entuzjazmem i bardzo dużo sobie po nich obiecywali – m.in., że one rzeczywiście pozwolą nam zrozumieć mózg, świadomość i przetwarzać informacje. W zupełnie inny sposób zareagowano w latach dziewięćdziesiątych i na początku dwutysięcznych. Okres ten określany jest jako „zima sztucznej inteligencji”, bo wszyscy stracili nadzieję, że to będzie działać.
Okazało się, że sieci dobrze działały, rozpoznając cyfry i litery, z pismem, tzw. „bazgrołami”, radziły sobie już gorzej, ale nikt nie był w stanie pokazać, że one rzeczywiście zaczynają robić użyteczne rzeczy na taką skalę, jak widzimy dzisiaj. Metody sztucznej inteligencji próbujemy już stosować wszędzie i w związku z tym ta Nagroda Nobla jest bardzo na czasie, bardzo uzasadniona, ale też rewolucyjna przez to, że jest z informatyki.
Prof. dr hab. Andrzej Wysmołek – Instytut Fizyki Doświadczalnej, Wydział Fizyki UW
Moje pierwsze spotkania z fizyką były związane z Johnem Hopfieldem, który zasłynął z prac na temat ekscytonów w fizyce ciała stałego. Fakt, że w pewnym momencie postanowił porzucić tę dziedzinę, był dużym zaskoczeniem. Jednak teorie, które wymyślił, przetrwały i są nadal szeroko wykorzystywane. Cieszy mnie, że Hopfield zdał sobie sprawę, iż osiągnął wszystko, co zamierzał i postanowił przenieść swoje zainteresowania na neuroinformatykę, neurofizykę i neurobiologię. Koncepcje stosowane w tych dziedzinach są bardzo bliskie temu, czego my używamy w martwej naturze, jak np. propagacja polarytonów, czyli wzbudzeń takich, które są też w naszych neuronach. Jeśli zastanawiamy się, w jaki sposób ludzkie oko przetwarza obrazy i sygnały, okazuje się, że również tam zaprzęgnięte są naturalne sieci neuronowe.
Chciałbym podać przykład mojego studenta, który doskonale pokazuje, jak niesamowite są te połączenia. To student pierwszego roku. Uczenie maszynowe było dla niego początkowo jedynie hobby. Na początku studiów zaczął wykorzystywać te techniki do analizy zdjęć powierzchni kryształów, które się marszczyły. Człowiek mógł zauważyć różnice w zmarszczkach w zależności od sposobu hodowli kryształu, ale żeby to skwantyfikować, potrzebne były te metody. Studentowi udało się wyszkolić sieci neuronowe, które najpierw musiały się „nauczyć” rozpoznawać te wzory, a potem mogły dostarczać precyzyjnych danych ilościowych, nie tylko jakościowych. Moim zdaniem jest w tym dużo fizyki.
Prof. dr hab. Krzysztof A. Meissner – Instytut Fizyki Teoretycznej, Wydział Fizyki UW
Moim zdaniem należałoby nagradzać inteligencję wrodzoną, a nie sztuczną. Według mnie to odkrycie nie ma wiele wspólnego z fizyką. To podglądanie działania mózgu w bardzo uproszczony sposób. Pamiętam rok 1982 – wtedy John J. Hopfield zaproponował koncepcję sieci neuronowej. To była kompletna abstrakcja. Wiedzieliśmy już wtedy, że w mózgu funkcjonują miliardy neuronów, a możliwości komputerów tamtych czasów pozwalały na modelowanie może siedmiu, może dziesięciu neuronów.
Pamiętam również backpropagation opracowane przez Hintona, które pojawiło się tuż po moich studiach, ale to również wydawało się kompletnie abstrakcyjne. Teraz mówimy o niesłychanie rozbudowanych sieciach neuronowych, o zastosowaniu ich do wielkich baz danych. Wciąż jednak, w moim odczuciu, mamy do czynienia bardziej ze skalą niż z nowym pomysłem fizycznym. Oczywiście, może to być użyteczne w fizyce, choć mam wątpliwości, czy faktycznie okaże się tak kreatywne i przełomowe. To może być użyteczne narzędzie, ale nadal – tylko narzędzie. Nawet Hinton podkreślał czynniki ryzyka związane z potencjalnym wykorzystaniem tego narzędzia w złych celach.
Jeżeli ktoś tego użyje w złych celach, to może być niesłychanie silne narzędzie, które będzie bardzo, bardzo groźne. Za to osiągnięcie przyznałbym Nagrodę Turinga. Moim zdaniem Nagroda Nobla jest pewnym takim sacrum, które dostaje się za przełom w fizyce.
źródło: informacja prasowa
źródło zdjęć: CWiD UW
