Ruotsin kuninkaallinen tiedeakatemia on valinnut vuoden 2024 fysiikan Nobelin voittajiksi tekoälytutkijat John Hopfieldin ja Geoffrey Hintonin. Hopfield ja Hinton ovat hyödyntäneet fysiikan työkaluja kehittäessään nykyisen koneoppimisen perustan.
”Vaikka tietokoneet eivät osaa ajatella, koneet voivat jäljitellä muistin ja oppimisen kaltaisia toimintoja. Tämän vuoden fysiikan palkinnon saajat ovat tehneet tästä mahdollista”, Nobel-komitea toteaa.
Esimerkiksi Hopfield-verkkoja on käytetty 1980-luvun alusta lähtien epätäydellisessä datassa piilevien kaavamaisuuksien paljastamiseen. Verkot hyödyntävät assosiatiivista muistia, jossa sisään syötetyt signaalit johtavat tiettyjen muistijälkien aktivoitumiseen – samoin kuin ihmisaivoissa.
Koneoppimisessa Hopfield-verkot ovat olleet tärkeä osa neuroverkkojen muistin kehittymistä. Hopfield sai idean kyseiselle verkkotyypille statistisen mekaniikan Ising-mallista, joka pyrkii selittämään magneettisten systeemien toimintaa.
Hinton taas jalosti Hopfieldin ideaa edelleen omiin tarkoituksiinsa ja popularisoi uuden neuroverkkotyypin, Boltzmann-koneen, käytön neurotieteessä.
Hinton popularisoi myös spesifin tavan päivittää verkkojen parametreja. Kyseinen parametrien päivitystapa muistuttaa vahvasti fyysikkojen kehittämiä tapoja minimoida fysikaalisten systeemien potentiaalinen energia.
Juuri Nobel-palkittu Hinton kuitenkin sanoo katuvansa elämäntyötään sen aiheuttamien riskien vuoksi.
“Samassa tilanteessa tekisin saman uudelleen, mutta olen huolissani siitä, että tämän lopullisena seurauksena saattaa olla, että meitä älykkäämmät järjestelmät ottavat vallan”, Hinton toteaa.
