جایزه نوبل فیزیک 2024 به پیشگامان یادگیری ماشین اهدا شد
در تاریخ 8 اکتبر 2024، آکادمی سلطنتی علوم سوئد خبری داد که همزمان قلب دانشمندان فیزیک و متخصصان علوم کامپیوتر را به تپش انداخت: جایزه نوبل فیزیک 2024 به اشتراک بین جان جی. هاپفیلد از دانشگاه پرینستون و جفری هینتون از دانشگاه تورنتو اهدا شد. توجیه هیئت داوران برای این انتخاب واضح و تاریخی بود: «کشف و ابداع روشهای بنیادینی که یادگیری ماشین با شبکههای عصبی مصنوعی را ممکن ساختهاند».
برای هینتون که بهطور گسترده بهعنوان «پدر هوش مصنوعی» شناخته میشود، این جایزه نقطه اوج دههها پافشاری در حوزهای است که بخش بزرگی از جامعه علمی جهانی برای مدتها آن را حاشیهنشین کرده بود.
پشت صحنه جوایز و دیدگاههای علمی
این افتخار به دو پژوهشگر اهدا شد که بر اساس توضیحات آکادمی، «از ابزارهای فیزیک برای بهکارگیری روشهایی استفاده کردهاند که امروزه پایهای برای یادگیری ماشین قدرتمند محسوب میشوند».
مبلغ جایزه به همراه 11 میلیون کرون سوئد بهطور مساوی بین این دو نفر تقسیم شد و سهم هر یک از پژوهشگران، نیمی از مبلغ کامل تعیین گردید. الین مونس، رئیس کمیته نوبل فیزیک، در بیانیه رسمی بر کاربرد عملی کارهای این دو اشاره کرد: «کارهای برندگان تاکنون بیشترین بهرهمندی را به وجود آوردهاند. در فیزیک از شبکههای عصبی مصنوعی در طیف وسیعی از حوزهها استفاده میکنیم که میتوان به ساخت مواد جدید با خواص خاص اشاره کرد.»
این تصمیم توجه فوری رسانههای جهانی را به خود جلب کرد. نیویورک تایمز در گزارشی انتخاب کمیته نوبل را «اعتراف به اهمیت روزافزون هوش مصنوعی در نحوه زندگی و کار انسانها» خواند. نشریه نیچر نیز نوشت که نوآوریهای هینتون پایهای برای بسیاری از ابزارهای پیشرفته فعلی بهشمار میآیند.
مبانی علمی جوایز: از الهام تا شبکههای عصبی
وقتی امروزه درباره هوش مصنوعی صحبت میکنیم، اغلب منظورمان یادگیری ماشین مبتنی بر شبکههای عصبی مصنوعی است. این فناوری که در وهله اول الهام گرفته از ساختار مغز انسان است، نورونهای مغز را به گرههایی تبدیل میکند که مقادیر متفاوتی را در خود نگه میدارند. این گرهها از طریق اتصالاتی که شبیه سیناپس عمل میکنند، روی یکدیگر اثر میگذارند. قدرت این اتصالات قابل افزایش یا کاهش است. آموزش یک شبکه معمولاً از طریق تقویت ارتباط بین گرههایی انجام میپذیرد که بهطور همزمان مقادیر بالایی دارند. هر دو برنده جوایز، تحقیقات کلیدی خود را روی شبکههای عصبی مصنوعی از دهه 1980 آغاز کردند.
شبکه هاپفیلد: حافظه به مثابه چشمانداز انرژی
جان هاپفیلد که در سال 1933 در شیکاگو به دنیا آمده و در سال 1958 مدرک دکتری خود را از دانشگاه کرنل دریافت کرد، شبکهای را اختراع کرد که از روشی برای ذخیره و بازسازی الگوها استفاده میکند. این حافظه معرف توانایی ذخیره و بازسازی تصاویر و انواع دیگر الگوهای دادهای را دارد. میتوان گرههای این شبکه را بهعنوان پیکسلها تصور کرد.
شبکه هاپفیلد از فیزیک مادهای الهام میگیرد که ویژگیهای خود را از اسپین اتمی آن میگیرد. این ویژگی باعث میشود هر اتم بهعنوان یک آهنربای کوچک عمل کند. کل این شبکه بهطور معادلی با انرژی چنین سیستم اسپین توصیف میشود و با یافتن مقادیر اتصالات بین گرهها آموزش میبیند تا تصاویر ذخیرهشده در ترازهای انرژی پایین قرار گیرند. وقتی به شبکه یک تصویر مخدوش یا ناقص داده میشود، این شبکه بهطور سیستماتیک با بهروزرسانی مقادیر گرهها، انرژی سیستم را در هر مرحله کاهش میدهد تا در نهایت به تصویر ذخیرهشدهای که بهخوبی با ورودی ناقص همخوانی دارد، برسد.
ماشین بولتزمن و ظهور ساختار در دادهها
جفری هینتون از شبکه هاپفیلد بهعنوان پایه برای ساخت نوع جدیدی از شبکه استفاده کرد که از روشی متفاوت با نام ماشین بولتزمن بهره میبرد. در بازه زمانی 1983 تا 1985، هینتون با بهکارگیری ابزارهای فیزیک آماری که علم سیستمهای ساختهشده از اجزای یکسان مشابه است را مطالعه میکند، ماشینی خلق کرد که توانایی یادگیری برای شناسایی عناصر درونی مشخص در یک نوع خاص از دادهها را پیدا کردهاست.
آموزش ماشین بولتزمن از طریق تغذیه آن با نمونههایی انجام میشود که هنگام اجرای ماشین بسیار محتمل پدیدار میشوند. پس از آموزش کامل، این ماشین قادر است تصاویر را طبقهبندی کند یا نمونههای کاملاً جدیدی از الگویی که بر اساس آن آموزش دیده است، تولید کند. نکته حیاتی اینجاست که هینتون بر پایه این اختراع ایستاد و با توسعه آن مسیری را هموار کرد که به گفته آکادمی نوبل، نقطه شروع انفجار امروزی یادگیری ماشین محسوب میشود.
جفری هینتون کیست و چرا این جایزه اهمیت دوچندان دارد؟
جفری هینتون در تاریخ 6 دسامبر 1947 در لندن به دنیا آمد و در سال 1978 مدرک دکتری خود را از دانشگاه ادینبورگ دریافت کرد. وابستگی او در زمان اهدای جایزه دانشگاه تورنتو بود که در آنجا عنوان استاد همهشمول دانشگاه را در رشته علوم کامپیوتر در اختیار دارد.
مهمترین نقاط عطف شغلی او شامل موارد زیر است:
- پذیرش سمت استادی علوم کامپیوتر در دانشگاه تورنتو در سال 1987 پس از کار در دانشگاههای مختلف بریتانیا و ایالات متحده.
- انتصاب به عنوان استاد همهشمول دانشگاه در سال 2006 که بالاترین مقام آکادمیک در این دانشگاه محسوب میشود.
- از جمله اولین دسته از پژوهشگرانی بود که توسط مؤسسه تحقیقات پیشرفته کانادا (CIFAR) حمایت مالی شدند. این همکاری نقش پررنگی در هدایت کانادا به جایگاه کنونیاش بهعنوان یک رهبر جهانی در توسعه هوش مصنوعی ایفا کرد.
هینتون که همواره با انگیزهای قوی برای درک بهتر ساختار مغز انسان پیش میرفت، همراه با دانشجویان مقطع دکتری خود دست به گسترش مفاهیم پایهای هوش مصنوعی زدند. بر اساس اسناد و گزارشهای منتشرشده از صفحه ویکیپدیا جفری هینتون، پژوهشهای ایشان فراتر از تئوری و در لبه مرزهای تکنولوژی امروز قرار دارد.
نگاهی به آینده: فراتر از جایزه نوبل
اگرچه جوایز و افتخارات نشاندهنده اوج دستاوردهای گذشته است، اما مسیر توسعه شبکههای عصبی هنوز در ابتدای راه خود قرار دارد. ترکیب فیزیک و علوم داده در حال طراحی نسل جدیدی از الگوریتمهاست که میتوانند پیچیدگیهای دنیای واقعی را بسیار دقیقتر از قبل پردازش کنند. نگاه به دهه پیش رو، زمان آن را نشان میدهد که کشفیات دهههای 1980 و 1990 به زیرساختهایی تبدیل شوند که نهتنها کامپیوترها، بلکه نحوه تعامل انسان با فناوریهای پیچیده را بهکلی متحول میسازند و مرزهای هوش مصنوعی عمومی را یک قدم نزدیکتر به واقعیت عملی میکنندند.
