Kodėl dirbtinio intelekto tyrimai yra fizika?

 

Hopfieldas ir Hintonas, padėję pagrindus mišininio mokymosi tyrimams, gavo fizikos Nobelio premiją. Kodėl?

 

"— Laureatai naudojo fizikos priemones, kad sukurtų metodus, kurie tapo šiuolaikinio mašininio mokymosi pagrindu, - pranešime spaudai pažymėjo Nobelio komitetas. - Hopfieldas sukūrė asociatyviąją atmintį, kuri gali saugoti ir atkurti vaizdus ir kitokius duomenų modelius. Hintonas išrado metodą, padedantį savarankiškai rasti tam tikras duomenų ypatybes ir atlikti tokias užduotis, kaip identifikuoti tam tikrus elementus vaizduose.

 

 

 

Kaip paaiškino Nobelio komitetas, vienas reikšmingų Hopfieldo indėlių yra tai, kad jis išrado tinklą, kuriame naudojamas šablonų saugojimo ir atkūrimo metodas. Jo dėka tinklo mazgai gali būti pavaizduoti, kaip pikseliai. Šis tinklas tapo dirbtinio intelekto algoritmų, padedančių atkurti įvesties duomenis pagal kontekstą, prototipu.

 

 

 

— Johnas Hopfieldas yra žinomas, kaip „Hopfieldo tinklo“ sukūrėjas.

 

„Hopfieldo tinklas“ pagrįstas elegantišku matematiniu požiūriu, artimu fizikai. Tai susideda iš to, kad, kai duomenys tiekiami į neuroninio tinklo įvestį, jis bando pereiti į būseną su minimalia energija. Tai panašu į asociatyviąją atmintį. Pavyzdžiui, jei mes išmokome tinklą paveikslėlio, o tada pateikiame jį iškraipytu pavidalu, programa, siekdama „poilsio“, ištaisys vaizdo klaidas.

 

 

 

Tuo pačiu metu Geoffrey Hintonas, vadovaujantis Nobelio komiteto pareiškimu, naudojo Hopfeldo tinklą, kaip pagrindą naujam tinklui, padedančiam atpažinti būdingus elementus tam tikro tipo duomenyse.

 

— 1985 m. Hintonas sugalvojo „Boltzmanno mašiną“ – sistemą, galinčią ieškoti absoliutaus, o ne vietinio energijos minimumo. Tai reiškia, kad algoritmas, greičiausiai, suras teisingą sprendimą, o ne tą, kuris „atrodo, kaip teisingas“.

 

Tokios mašinos programinė įranga naudoja atkaitinimo modeliavimo algoritmą. Tai procesas, vykstantis, išlydytoms medžiagoms sukietėjant. Taigi, skaičiavimo proceso įgyvendinimo idėja siejama su fiziniu efektu, kurį pabrėžė Nobelio komiteto nariai.

 

– Nepaisant to, kad fizika ir mašininis mokymasis yra skirtingos mokslo sritys, jos abi remiasi statistiniais metodais. Kurdami Hopfieldo ir Hintono neuroninius tinklus, jie naudojo pagrindinį fizinį principą – energijos mažinimą.

 

Tai, kad įsiminimas yra susijęs su energijos sąvoka, yra vienas iš pagrindinių rezultatų, už kurį buvo įteikta Nobelio premija.

 

Šiuolaikiniai neuroniniai tinklai veikia pagal žinomą mokymosi principą - vadinamąjį klaidų platinimą atgal."  [1]

 

1. Žingsnis po žingsnio klaidų platinimo atgal pavyzdys yra čia.