Нобелевская премия 2024. Машинное обучение и нейронные сети

Нобелевская премия в области физики 2024 года присуждена Джону Хопфилду и Джеффри Хинтону за фундаментальные открытия, связанные с машинным обучением и нейронными сетями. Эти достижения заложили основу для развития современных технологий искусственного интеллекта, позволив компьютерам обучаться и имитировать память.

По мнению Нобелевского комитета, работы Хопфилда и Хинтона привели к созданию структур, способных хранить информацию, и методов, помогающих машинам самостоятельно обнаруживать свойства данных. Хопфилд получил известность благодаря разработке ассоциативной нейронной сети, которая стала основой для многих современных моделей машинного обучения. Хинтон, в свою очередь, предложил важный метод обучения нейронных сетей — обратное распространение ошибки, что значительно улучшило способность систем обучаться на данных.

"Лауреаты премии помогли сделать возможным имитацию памяти и обучения, несмотря на то, что компьютеры не могут мыслить".

• Нобелевский комитет Каролинского института Стокгольма

Джон Хопфилд, родившийся в 1933 году, получил докторскую степень по физике в Корнеллском университете и в 1982 году стал известен благодаря созданию сети Хопфилда — важной модели ассоциативной памяти, которая может хранить и восстанавливать информацию. Этот вклад оказал значительное влияние на развитие нейронных сетей и их применение в различных областях.

Джеффри Хинтон, родившийся в 1947 году, правнук известного математика Джорджа Буля, получил докторскую степень в области искусственного интеллекта в Эдинбургском университете. Его работа в Google с 2013 по 2023 год и совместные исследования с Терри Сейновски привели к изобретению машины Больцмана — особой рекуррентной нейронной сети. Хинтон также сыграл ключевую роль в развитии методов, которые позволили значительно улучшить производительность многослойных нейронных сетей.

Эти открытия не только изменили подходы к обучению машин, но и сформировали основу для современных технологий искусственного интеллекта, что делает вклад лауреатов важным для будущего науки и технологий.