โดยและ
อัปเดต
ในขณะที่ปัญญาประดิษฐ์ระเบิดในความนิยมผู้บุกเบิกสองคนได้จับรางวัลโนเบลในปี 2024 ในฟิสิกส์
รางวัลนี้ไปที่ John Hopfield และ Geoffrey Hinton“ สำหรับการค้นพบพื้นฐานและสิ่งประดิษฐ์ที่เปิดใช้งานการเรียนรู้ของเครื่องจักรด้วยเครือข่ายประสาทเทียม” Royal Swedish Academy of Sciences ในกรุงสตอกโฮล์มประกาศ 8 ตุลาคมเครื่องมือคำนวณเหล่านี้ซึ่งพยายามเลียนแบบการทำงานของมนุษย์ Brain, Underlie Technologies เช่นอัลกอริทึมการจดจำรูปภาพรูปแบบภาษาขนาดใหญ่รวมถึง CHATGPTหุ่นยนต์เล่นฟุตบอลและอีกมากมาย (SN: 2/1/24; SN: 5/24/24-
รางวัลที่ทำให้เกิดความประหลาดใจมากมายเนื่องจากการพัฒนาเหล่านี้มักเกี่ยวข้องกับวิทยาศาสตร์คอมพิวเตอร์มากกว่าฟิสิกส์ แต่คณะกรรมการโนเบลตั้งข้อสังเกตว่าเทคนิคนั้นขึ้นอยู่กับวิธีการทางฟิสิกส์
ถึงกระนั้นก็ยังไม่มีใครตกใจกว่าฮินตันตัวเอง:“ ฉันรู้สึกงุนงง ฉันไม่รู้ว่าสิ่งนี้จะเกิดขึ้น ฉันประหลาดใจมาก” เขากล่าวทางโทรศัพท์ในระหว่างการแถลงข่าวประกาศ
เทคนิคนี้ได้รับการสนับสนุนความก้าวหน้าทางวิทยาศาสตร์ที่หลากหลาย เครือข่ายประสาทได้ช่วยนักฟิสิกส์ต่อสู้ด้วยข้อมูลที่ซับซ้อนจำนวนมากช่วยให้ความก้าวหน้าที่สำคัญรวมถึงทำภาพหลุมดำและการคิดค้นวัสดุสำหรับเทคโนโลยีใหม่ ๆ เช่นแบตเตอรี่ขั้นสูง-SN: 4/13/23-SN: 1/16/24- การเรียนรู้ของเครื่องจักรได้สร้างความก้าวหน้าในสาขาชีวภาพและการแพทย์ด้วยเช่นกันด้วยคำสัญญาในการปรับปรุงการถ่ายภาพทางการแพทย์และความเข้าใจพับโปรตีน-SN: 6/17/24-SN: 9/23/23-
“ รางวัลนี้ทำให้ความจริงที่ว่า AI ไม่ได้เป็นเพียงเทคโนโลยีเฉพาะ-มันเป็นการปฏิวัติทางวิทยาศาสตร์ที่มีผลกระทบข้ามวินัย” นักวิจัย AI Craig Ramlal จากมหาวิทยาลัยเวสต์อินดีสที่เซนต์ออกัสตินในตรินิแดดกล่าว “ ที่สำคัญยิ่งกว่านั้นรางวัลนี้ทำให้ AI เป็นเครื่องมือในการทำความเข้าใจและจำลองโลกธรรมชาติซึ่งหวังว่าจะขับเคลื่อนนวัตกรรมมากขึ้น”
เครือข่ายประสาทถูกออกแบบมาเพื่อระบุรูปแบบในข้อมูลแทนที่จะทำการคำนวณที่ตั้งโปรแกรมไว้อย่างชัดเจน พวกเขาอยู่บนพื้นฐานของเว็บขององค์ประกอบส่วนบุคคลที่เรียกว่าโหนดที่ได้รับแรงบันดาลใจจากเซลล์ประสาทส่วนบุคคลในสมอง การฝึกอบรมเครือข่ายประสาทโดยการให้ข้อมูลด้านไอทีเป็นไปตามความสามารถในการสรุปที่ถูกต้องโดยการเพิ่มประสิทธิภาพความแข็งแรงของข้อต่อระหว่างโหนด
ในปี 1982 Hopfield จาก Princeton University ได้สร้างเครือข่ายประสาทชนิดแรกที่เรียกว่า A Hopfield Network ที่สามารถจัดเก็บและสร้างรูปแบบใหม่ในข้อมูล เครือข่ายคล้ายกับวัสดุแม่เหล็กในฟิสิกส์ซึ่งอะตอมมีสนามแม่เหล็กขนาดเล็กที่สามารถชี้ขึ้นหรือลงได้หรือไม่คล้ายกับค่า 0 หรือ 1 ที่แต่ละโหนดของเครือข่าย Hopfield สำหรับการกำหนดค่าอะตอมที่กำหนดในวัสดุนักวิทยาศาสตร์สามารถกำหนดพลังงานได้ เครือข่าย Hopfield หลังจากได้รับการฝึกฝนเกี่ยวกับรูปแบบที่หลากหลายลดพลังงานแบบอะนาล็อกเพื่อค้นพบรูปแบบใดที่ซ่อนอยู่ในข้อมูลอินพุต
“ ในมุมมองของฉันฟิสิกส์พยายามที่จะเข้าใจว่าระบบทำงานอย่างไร ระบบทำจากชิ้นส่วน ชิ้นส่วนเหล่านี้มีปฏิสัมพันธ์กัน” Hopfield กล่าวในคำพูดที่ให้จริงในระหว่างการแถลงข่าวที่ Princeton
ฮินตันแห่งมหาวิทยาลัยโตรอนโตสร้างขึ้นด้วยเทคนิคนั้นสร้างเครือข่ายประสาทที่เรียกว่าเครื่อง Boltzmann ซึ่งมีพื้นฐานมาจากฟิสิกส์ทางสถิติรวมถึงผลงานของนักฟิสิกส์ชาวออสเตรียชาวออสเตรีย Ludwig Boltzmann เครื่อง Boltzmann มีโหนดเพิ่มเติมที่ซ่อนอยู่ - พวกเขาประมวลผลข้อมูล แต่ไม่ได้รับอินพุตโดยตรง สถานะที่เป็นไปได้ที่แตกต่างกันของแบบจำลองมีความน่าจะเป็นที่แตกต่างกันของการเกิดขึ้น ความน่าจะเป็นเหล่านี้ถูกกำหนดโดยการกระจาย Boltzmann ซึ่งอธิบายการกำหนดค่าของอนุภาคจำนวนมากเช่นโมเลกุลในก๊าซ
“ งานที่ Hopfield และ Hinton ทำเพิ่งเปลี่ยนแปลงไม่เพียง แต่สำหรับชุมชนนักวิชาการที่พัฒนา AI และเครือข่ายประสาท แต่ยังสำหรับหลาย ๆ ด้านของสังคม” นักวิทยาศาสตร์คอมพิวเตอร์รีเบคก้าวิลเล็ตต์จากมหาวิทยาลัยชิคาโกกล่าว
ผู้ชนะสองคนจะแยกรางวัล 11 ล้านโครนสวีเดนหรือประมาณ 1 ล้านดอลลาร์
“ ฉันดีใจที่ได้ยินเรื่องนี้จริง ๆ มันเป็นเรื่องน่าประหลาดใจอย่างมาก” Max Welling นักวิจัยของ AI จากมหาวิทยาลัยอัมสเตอร์ดัมกล่าว “ มีการเชื่อมต่อที่ชัดเจนมากกับฟิสิกส์…โมเดลตัวเองได้รับแรงบันดาลใจอย่างลึกซึ้งจากแบบจำลองฟิสิกส์” ยิ่งไปกว่านั้นการค้นพบทำให้การพัฒนาทางฟิสิกส์เป็นไปได้มากมายเขากล่าว “ พยายามหาเทคโนโลยีที่มีผลกระทบต่อฟิสิกส์มากขึ้นโดยเฉพาะอย่างยิ่งในด้านวิธีการ มันยาก”
ตั้งแต่ทศวรรษ 1980 นักวิจัยได้ปรับปรุงแบบจำลองเหล่านี้อย่างมากมายและปรับขนาดให้มากขึ้นอย่างมาก ตอนนี้รูปแบบการเรียนรู้ของเครื่องจักรลึกมีโหนดที่ซ่อนอยู่หลายชั้นและสามารถมีการเชื่อมต่อหลายร้อยพันล้านครั้งระหว่างโหนด ข้อมูลจำนวนมากถูกใช้เพื่อฝึกอบรมเครือข่ายขูดอินเทอร์เน็ตสำหรับข้อความหรือรูปภาพเพื่อป้อนเข้าไป
ในขณะที่เทคโนโลยี AI ที่ใช้เครือข่ายประสาทมีความสามารถในการสร้างความสามารถในปี 1980 เทคโนโลยียังคงมีข้อผิดพลาดมากมาย นักวิจัยหลายคนมุ่งเน้นไปที่การทำความเข้าใจว่าความชุกของการเรียนรู้ของเครื่องอาจมีผลกระทบด้านลบต่อสังคมอย่างไรการเสริมอคติทางเชื้อชาติอำนวยความสะดวกการแพร่กระจายของข้อมูลที่ผิดและการทำการลอกเลียนแบบและการโกงง่ายและรวดเร็ว (SN: 9/10/24-SN: 2/1/24-SN: 4/12/23-
ในขณะที่นักวิทยาศาสตร์บางคนรวมถึง Hinton กังวลว่า AI อาจกลายเป็นผู้ขับขี่นักวิจัยหลายคนไม่เห็นด้วยปัญญาประดิษฐ์นั้นอยู่บนเส้นทางสู่การครอบงำโลก (SN: 2/28/24- นางแบบ AI มีชื่อเสียงในการทำผิดพลาดที่น่าหัวเราะซึ่งท้าทายสามัญสำนึก นักวิทยาศาสตร์ยังคงทำงานอย่างแข็งขันเพื่อกำหนดวิธีการคำเช่น "ความเข้าใจ"สามารถนำไปใช้กับระบบการเรียนรู้ของเครื่องและวิธีที่ดีที่สุดในการทดสอบความสามารถของพวกเขา (SN: 7/10/24-
“ มีความกังวลอย่างแท้จริงเกี่ยวกับวิธีการที่ [AI] จะส่งผลกระทบต่อแรงงานและตลาดงานวิธีที่จะช่วยให้ข้อมูลที่ผิดและการจัดการข้อมูลได้อย่างไร” Willett กล่าว “ ฉันคิดว่าสิ่งเหล่านี้เป็นข้อกังวลที่แท้จริงในที่นี่และตอนนี้ นั่นเป็นเพราะมนุษย์สามารถใช้เครื่องมือเหล่านี้และใช้มันเพื่อจุดประสงค์ที่เป็นอันตราย”
