ფიზიკის დარგში 2024 წლის ნობელის პრემიის ლაურეატები უკვე გამოვლინდნენ. პრიზი ორ ფიზიკოსს გადაეცა: ამერიკელ ჯონ ჰოპფილდსა და ბრიტანელ ჯოფრი ჰინტონს. პირველი მათგანი პრინსტონის უნივერსიტეტის პროფესორია, მეორე კი ტორონტოს უნივერსიტეტში ასწავლის.

შვედეთის მეცნიერებათა სამეფო აკადემიის განცხადებით, წლევანდელმა ნობელიანტებმა გამარჯვება დაიმსახურეს "ფუნდამენტური აღმოჩენებისა და გამოგონებებისთვის, რომლებმაც ხელოვნური ნეირონული ქსელის გამოყენებით მანქანური დასწავლა გახადა შესაძლებელი".

რა კავშირშია ფიზიკა მანქანურ დასწავლასთან

მანქანური დასწავლა ტექნოლოგიურ სფეროს მიეკუთვნება, მაგრამ მას ფიზიკასთან იმაზე მეტი რამ აკავშირებს, ვიდრე წარმოგვიდგენია. ამას 2024 წლის ნობელიანტების საქმიანობაც ადასტურებს. კერძოდ, ჯონ ჰოპფილდმა და ჯოფრი ჰინტონმა სწორედ ფიზიკის ბაზაზე შექმნეს მეთოდები, რომელთა დახმარებითაც ხელოვნური ნეირონული ქსელები განავითარეს და მძლავრ მანქანურ დასწავლას ჩაუყარეს საფუძველი.

ჰოპფილდმა შექმნა ასოციაციური მეხსიერება, რომელსაც მონაცემთა შენახვა და რეკონსტრუქცია შეუძლია. ჯოფრი ჰინტონმა კი შეიმუშავა მეთოდი, რომელიც მონაცემებში კონკრეტული მახასიათებლების ავტომატურად გამოვლენის საშუალებას იძლევა (ასეთია სურათებში სპეციფიკური ელემენტის იდენტიფიცირება).

ჯონ ჰოპფილდი.

ფოტო: World Cultural Council

როცა ხელოვნურ ინტელექტზე ვსაუბრობთ, ხშირად ხელოვნურ ნეირონულ ქსელებს ვგულისხმობთ, რომლებიც ტვინის სტრუქტურის მიხედვითაა შექმნილი. მასში ნეირონები სხვადასხვა საკომუნიკაციო კვანძის სახითაა წარმოდგენილი, რომლებსაც ერთმანეთთან ტვინის სინაფსების მსგავსი კავშირი აქვს.

ამგვარი ქსელები იწვრთნება, რათა, მაგალითად, ერთნაირი კვანძების უფრო ძლიერი კავშირები დამყარდეს. აღნიშნული ტექნოლოგიის განვითარებაში დიდი წვლილი სწორედ წლევანდელ ლაურეატებს მიუძღვით, რომლებიც ამ საკითხზე 1980-იანი წლებიდან მუშაობენ.

ჰოპფილდმა შექმნა ნეირონული ქსელი, რომელიც ე.წ. პატერნების დამახსოვრებისა და რეკონსტრუქციის მეთოდს იყენებს. ეს ფიზიკაში ატომების ბრუნვის მიხედვით მაგნიტური მატერიის მახასიათებლების შესწავლას ეფუძნება. ქსელი მთლიანობაში ისე აღიწერება, როგორც ფიზიკაში ბრუნვის სისტემების ენერგია.

მის გასაწვრთნელად კვანძებს შორის კავშირების მნიშვნელობის დადგენაა საჭირო, რათა შენახულ სურათს მცირე ენერგია ჰქონდეს. როცა ასეთ ქსელს დამახინჯებულ ან არასრულ პატერნს (თუნდაც სურათის სახით) ვაწვდით, ის კვანძების მნიშვნელობებს აახლებს იმისთვის, რომ ენერგია შემცირდეს. საბოლოოდ, ვლინდება შენახული პატერნი, რომელიც ჩვენ მიერ გადაცემულის მსგავსია.

ჯოფრი ჰინტონი.

ფოტო: University of Toronto

რაც შეეხება ჯოფრი ჰინტონს, მან ჰოპფილდის ნეირონული ქსელის ბაზაზე ახალი ქსელი შექმნა, რომელიც სხვა მეთოდს, ბოლცმანის მანქანას, ეყრდნობა. მის სისტემას შეუძლია, მონაცემებში კონკრეტული ელემენტები ამოიცნოს, რისთვისაც სტატისტიკური ფიზიკის მიდგომებს იყენებს. ესაა ისეთი სისტემების მეცნიერება, რომლებშიც ბევრი ერთნაირი კომპონენტია.

მანქანა იწვრთნება ისეთი მაგალითებით, რომლებმაც მოსალოდნელია, რომ მისი მუშაობის განმავლობაში იჩინოს თავი. შესაძლებელია, ის სურათების კლასიფიცირებისთვის ან მასში არსებული პატერნების მიხედვით ახალი მაგალითების შესაქმნელად გამოვიყენოთ.

ორივე ლაურეატის შრომამ მანქანური დასწავლის განვითარებას შეუწყო ხელი. ეს ტექნოლოგია კი დღესდღეობით უამრავ სფეროშია დანერგილი.

თუ სტატიაში განხილული თემა და ზოგადად: მეცნიერებისა და ტექნოლოგიების სფერო შენთვის საინტერესოა, შემოგვიერთდი ჯგუფში – შემდეგი ჯგუფი.