Za co Hopfield i Hinton dostali Nagrodę Nobla
Królewska Szwedzka Akademia Nauk ogłosiła werdykt 8 października 2024 roku. John J. Hopfield, urodzony w 1933 roku w Chicago, i Geoffrey Hinton podzielili nagrodę po połowie, łącznie 11 milionów koron szwedzkich, za podstawowe odkrycia i wynalazki umożliwiające uczenie maszynowe za pomocą sztucznych sieci neuronowych.
Werdykt zaskoczył, bo nagrodę z fizyki dostali badacze, których praca leży u podstaw sztucznej inteligencji. Komitet uzasadnił to tym, że obaj posłużyli się narzędziami fizyki, a wyniki wróciły do niej z nawiązką.
Węzły zamiast neuronów
Sztuczna sieć neuronowa naśladuje budowę mózgu. Neurony zastępują w niej węzły o różnych wartościach, a połączenia między nimi odpowiadają synapsom i można je wzmacniać albo osłabiać. Uczenie polega na dobieraniu siły tych połączeń.
John Hopfield zbudował w latach osiemdziesiątych sieć, która zapamiętuje wzorce i potrafi je odtworzyć. Wykorzystał do tego fizykę opisującą materiał przez spin atomów, czyli właściwość czyniącą z każdego atomu mały magnes. Całą sieć opisał tak jak energię układu spinów, a uczenie polegało na takim dobraniu połączeń, żeby zapamiętane obrazy odpowiadały niskiej energii.
Gdy taka sieć dostanie obraz zniekształcony albo niepełny, przechodzi kolejno przez węzły i zmienia ich wartości tak, żeby energia malała. Krok po kroku dochodzi do zapamiętanego wzorca najbardziej podobnego do tego, co dostała.
Maszyna Boltzmanna
Geoffrey Hinton wziął sieć Hopfielda za punkt wyjścia i zbudował na niej coś innego. Jego maszyna Boltzmanna uczy się rozpoznawać cechy charakterystyczne dla danego rodzaju danych, bez wskazywania jej, czego ma szukać.
Skorzystał przy tym z fizyki statystycznej, czyli nauki o układach złożonych z wielu podobnych elementów. Maszynę trenuje się, podając jej przykłady, które z dużym prawdopodobieństwem pojawią się w czasie jej pracy. Potrafi potem rozpoznawać obrazy albo tworzyć nowe przykłady tego wzorca, na którym się uczyła.
Z tej linii prac wyrosło wszystko, co dziś nazywa się uczeniem głębokim. Hinton rozwijał ją dalej przez cztery dekady, dłużej niż większość laureatów nagrody z fizyki pracowała nad nagrodzonym zagadnieniem, a przełom nastąpił około 2012 roku, gdy sieci wytrenowane jego metodami zaczęły wygrywać konkursy rozpoznawania obrazów z przewagą, której nikt się nie spodziewał.
Laureat, który ostrzega przed własnym dziełem
Geoffrey Hinton urodził się w 1947 roku w Londynie, doktorat obronił w 1978 roku w Edynburgu, a od lat osiemdziesiątych pracował w Kanadzie, na Uniwersytecie w Toronto. Przez dekady zajmował się kierunkiem, który środowisko informatyczne uznawało za ślepą uliczkę, i dopiero wzrost mocy obliczeniowej pokazał, że metoda działa.
W maju 2023 roku odszedł z Google, gdzie spędził dekadę, żeby móc swobodnie mówić o zagrożeniach. Jeszcze niedawno sądził, że przewyższenie ludzkich zdolności zajmie maszynom pół wieku. Dziś mówi o pięciu do dwudziestu lat i szacuje szansę na to na połowę, dodając, że nie wiemy, jak zachować wtedy kontrolę nad takimi systemami.
Zaraz po ogłoszeniu werdyktu powtórzył to w rozmowie telefonicznej transmitowanej z Sztokholmu. Powiedział, że wiadomość spadła na niego jak grom z jasnego nieba. Zapytany o żal odpowiedział, że w tych samych okolicznościach postąpiłby tak samo, ale obawia się, że następstwem może być powstanie systemów inteligentniejszych od nas, które przejmą kontrolę.
Czy to jeszcze fizyka
Werdykt wywołał spór wśród fizyków. Zarzut brzmiał, że nagrodzono informatykę, bo nagrodzone prace zmieniły przede wszystkim sposób przetwarzania danych, a nie rozumienie przyrody.
Komitet odpowiadał, że obaj laureaci posłużyli się metodami fizyki statystycznej, a sieci neuronowe są dziś narzędziem pracy fizyków w wielu dziedzinach, od projektowania materiałów po analizę danych z detektorów. Ellen Moons, przewodnicząca komitetu, podkreśliła przy ogłoszeniu, że praca laureatów przyniosła już największy pożytek, bo sieci neuronowe służą fizykom choćby przy projektowaniu materiałów o zadanych właściwościach. W tej samej wypowiedzi dodała, że odpowiedzialność za bezpieczne i etyczne korzystanie z tej techniki spoczywa na ludziach.
Dzień później nagrodę z chemii za 2024 rok przyznano między innymi twórcom programu przewidującego budowę białek, również opartego na sieciach neuronowych. Dwie nagrody w dwa dni pokazały, że ta technika weszła do nauk przyrodniczych na stałe. Dwa lata później ten sam komitet nagrodził badania nad neutrinami, w których sieci neuronowe służą do odsiewania zdarzeń w detektorze, co dobrze pokazuje, jak szybko narzędzie z 2024 roku stało się codziennością fizyków.
Za co Geoffrey Hinton dostał Nagrodę Nobla?
Za podstawowe odkrycia i wynalazki umożliwiające uczenie maszynowe za pomocą sztucznych sieci neuronowych. Nagrodę z fizyki za 2024 rok podzielił po połowie z Johnem Hopfieldem.
Dlaczego nagrodę z fizyki dostali twórcy sztucznej inteligencji?
Bo obaj posłużyli się narzędziami fizyki: Hopfield opisem układu spinów atomowych, a Hinton fizyką statystyczną. Komitet wskazał też, że sieci neuronowe są dziś narzędziem pracy fizyków w wielu dziedzinach.
Czym jest sieć Hopfielda?
Siecią zapamiętującą wzorce i odtwarzającą je z niepełnych danych. Opisano ją tak jak energię układu spinów, a odtwarzanie polega na przechodzeniu przez węzły tak, żeby energia malała, aż do odnalezienia najbardziej podobnego zapamiętanego obrazu.
Dlaczego Hinton ostrzega przed sztuczną inteligencją?
Uważa, że systemy, które pomógł stworzyć, mogą przewyższyć ludzi pod względem zdolności, a nie wiemy, jak zachować wtedy nad nimi kontrolę. W maju 2023 roku odszedł z Google, żeby móc o tym swobodnie mówić.
Czy ten werdykt wywołał spór?
Tak. Część fizyków uznała, że nagrodzono informatykę. Komitet odpowiadał, że metody pochodzą z fizyki statystycznej, a dzień później nagrodę z chemii przyznano między innymi za program przewidujący budowę białek, też oparty na sieciach neuronowych.