Развитие методов обучения нейронных сетей оказывает значительное влияние на различные области научного знания. Об этом заявил научный сотрудник Российского квантового центра Леонид Хромых, комментируя присуждение Нобелевской премии по физике за 2024 год. По его словам, создатели ранних моделей машинного обучения черпали вдохновение из психологии, биологии и физики. Теперь же наблюдается обратный процесс — достижения в сфере искусственного интеллекта обогащают эти научные дисциплины.
Хромых отметил, что основополагающие модели современных многопараметрических нейронных сетей были сформулированы в терминах статистической физики. Именно у истоков этих моделей стояли нынешние лауреаты Нобелевской премии — американец Джон Хопфилд и канадский ученый британского происхождения Джеффри Хинтон. Их наградили за фундаментальные открытия и изобретения в сфере машинного обучения с помощью искусственных нейронных сетей, сообщает ТАСС.
Эксперт подчеркнул, что сегодня искусственный интеллект находит применение в самых разных областях науки. Например, его используют для предсказания структур белков и поиска симметрий в физических системах. Хопфилд и Хинтон разработали модели, состоящие из множества взаимодействующих нейронов, для описания ассоциативной памяти и генеративных сетей. Их достижения уже были отмечены престижными наградами и стали основой современных методов обучения нейронных сетей.
Леонид Хромых также отметил, что модели нейронных сетей часто формулируются в физических терминах. Например, процесс обучения может описываться как поиск основного энергетического состояния системы. Это обусловлено тесной связью с спиновыми моделями статистической физики, такими как модель Изинга и спиновых стекол. Эксперт напомнил, что за аналитические методы в этой области в 2021 году Нобелевскую премию по физике получил Джорджо Паризи.
Таким образом, присуждение Нобелевской премии по физике за достижения в области машинного обучения подчеркивает тесную взаимосвязь между физикой и методами искусственного интеллекта. Это также демонстрирует, как развитие одной научной области может стимулировать прогресс в других дисциплинах, способствуя взаимному обогащению различных сфер знания.