Категория
Новости
Дата

Основоположники ИИ. Нобелевскую премию по физике присудили за машинное обучение

1 хв читання

Джон Гопфилд и Джеффри Гинтон стали лауреатами Нобелевской премии по физике

Джон Гопфилд и Джеффри Гинтон стали лауреатами Нобелевской премии по физике

Американский ученый Джон Гопфилд и британско-канадский ученый Джеффри Гинтон стали лауреатами Нобелевской премии по физике 2024 года за «основополагающие открытия и изобретения, которые сделали возможным машинное обучение с использованием искусственных нейросетей». Об этом говорится в пресс-релизе Нобелевского комитета 8 октября.

Amazon інвестує мільярди доларів у ШІ, роботів та машинне навчання. Якими принципами й правилами керується компанія?

Дізнайтеся вже 22 листопада на Forbes Tech 2024. Купуйте квиток за посиланням!

Подробности

  • «Работа лауреатов уже принесла огромную пользу. В физике мы используем искусственные нейросети в широком спектре отраслей, например разработка новых материалов с определенными свойствами», – отметил председатель Нобелевского комитета по физике Эллен Мунс.
  • Денежную часть премии в размере 11 млн шведских крон (около 1 млн) разделят между учеными поровну. Награждение победителей состоится 10 декабря в Стокгольме.

Контекст

Эти два физика разработали методы, положенные в основу современного машинного обучения. Гопфилд создал ассоциативную память, которая может хранить и восстанавливать изображения в базе данных. Сеть Гопфилда способна завершить или исправить образ, но не может ассоциировать полученный образ с иным образом.

Гинтон разработал метод, который может автономно находить свойства в базе данных и распознавать определенные элементы изображения.

Физик использовал сеть Гопфилда для изобретения новой сети. Она получила название «Машина Больцмана».

Ученый в работе над новой сетью использовал инструменты статистической физики. «Машина Больцмана» – первая нейросеть, способная учиться на внутренних представлениях, решать сложные комбинаторные задачи. Она может научиться распознавать характерные элементы в заданном типе данных.

Материалы по теме

Вы нашли ошибку или неточность?

Оставьте отзыв для редакции. Мы учтем ваши замечания как можно скорее.

Предыдущий слайд
Следующий слайд