Nobel de physique pour ceux qui ont développé la base des systèmes d'intelligence artificielle

2024/10/08 Galarraga Aiestaran, Ana - Elhuyar Zientzia Iturria: Elhuyar aldizkaria

• Sariak
• Fisika
• Adimen artifiziala

John J. Hopfield et Geoffrey E. Les chercheurs Hinton recevront le prix Nobel de physique pour leurs découvertes basées sur des réseaux neuronaux artificiels, essentiels au développement de systèmes d’apprentissage automatique.

Selon l'Académie Nobel, les lauréats de cette année ont utilisé les outils de la physique pour développer des méthodes qui sont à la base des puissantes études automatiques actuelles. John Hopfield a créé une mémoire associative qui peut stocker et reconstruire des images et d'autres types de modèles en tant que données. Geoffrey Hinton, quant à lui, a inventé une méthode qui peut trouver des propriétés dans les données de manière autonome, ce qui lui permet, par exemple, d'identifier des éléments spécifiques dans les images.

Derrière ce qu'on appelle l'intelligence artificielle, on trouve généralement l'apprentissage automatique à travers des réseaux neuronaux artificiels. À ses débuts, cette technologie s'est inspirée de la structure du cerveau. En quelque sorte, dans un réseau de neurones artificiels, les neurones cérébraux sont représentés par des nœuds et les synapses sont représentées par des connexions faibles ou fortes. De même, le réseau s’entraine, créant des connexions plus fortes entre les nœuds et, entre autres, plus faibles.

En réalité, cette analogie venait d'avant, depuis les années 1940. Dans les années 1960, cependant, certains travaux théoriques ont suggéré que cette voie ne réussirait pas. Cependant, la physique a également donné la clé pour comprendre et utiliser les nouveaux phénomènes.

Réseau de Hopfield et machine Boltzmann

En particulier, John Hopfield a créé en 1982 un réseau basé sur la mémoire associative. En particulier, il a créé une méthode pour enregistrer et recréer des motifs. En fait, il a noté que les systèmes qui ont de nombreux petits éléments qui interagissent les uns avec les autres peuvent générer de nouveaux phénomènes. En particulier, il a profité de ce qu'il a appris avec les matériaux magnétiques, qui grâce à leur spin atomique ont des caractéristiques spéciales. Hopfield a créé sa méthode à partir de l'interaction des épines des atomes environnants. Ainsi, lorsque le réseau de Hopfield est alimenté par une image incomplète, le réseau met à jour ses valeurs et est capable de trouver l'image enregistrée et de créer une image complète.

Lorsque Hopfeld a publié un article sur la mémoire associative, Geoffy Hinton travaillait à l'Université de Mellon, à Carnegie Pittsburgh (EE.UU. ). Auparavant, il avait étudié la psychologie expérimentale et artificielle et voulait savoir si les machines, comme les gens, pouvaient apprendre à traiter des patrons. Avec son partenaire Terrence Sejnowski, il a commencé à travailler avec le réseau de Hopfeld, et à partir de là, il a créé une nouvelle méthode en utilisant les idées de physique statistique. Cette méthode a été publiée en 1985 sous le nom de Machine Boltzmann.

La machine Boltzmann est habituellement utilisée avec deux types de nœuds. L'un d'eux (noeuds spectaculaires) se nourrit d'informations et l'autre forme une couche secrète. Les valeurs et les connexions des nœuds cachés participent à l'énergie de l'ensemble du réseau. La machine fonctionne en définissant une règle de mise à jour simultanée des valeurs des nœuds. En fait, Boltzmann est l'antécédent des modèles de machines créatives. Et même si, dans les années 1990, les chercheurs ont perdu de l'intérêt pour les réseaux neuronaux artificiels, Hinton a continué à améliorer sa méthode et d'autres chercheurs ont pris pour base. En pré-entraînement, ils ont réussi à le rendre beaucoup plus efficace.

Hopfeld et Hinton ont mis en place les piliers sur lesquels fonder le développement surprenant des systèmes d’apprentissage automatique à l’heure actuelle, et c’est pourquoi le Comité Nobel de physique a décidé de les récompenser. Parmi les exemples cités par la Commission figurent, par exemple, la prévision de la structure moléculaire des protéines ou le développement de matériaux pour la création de cellules solaires plus efficaces.