Az egészségügyre is hatással lesz a Nobel-díjas fizikusok munkássága
A mesterséges intelligencia végül javulást hoz a termelékenységben és az egészségügyben. A jelentősége felér az ipari forradalommal.
John J. Hopfield amerikai és Geoffrey E. Hinton brit-kanadai tudósok a fizikai Nobel-díjat azokért az alapvető felfedezéseikért és találmányaikért kapják, amelyek lehetővé teszik a mesterséges neurális hálózatokat használó gépi tanulást - olvasható a Svéd Királyi Tudományos Akadémia indoklásában.
Mint az akadémia közleményében rámutatnak, a két díjazott a fizikában alkalmazott eszközöket használva fejlesztett ki olyan módszereket, amelyek a mai gépi tanulás alapjait adták.
Amikor mesterséges intelligenciáról beszélünk, gyakran a mesterséges neurális hálózatokat használó gépi tanulást értjük alatta. Ezt a technológiát eredetileg az agy felépítése ihlette - idézték fel, hozzátéve, hogy a két díjazott tudós a nyolcvanas évektől kezdve fundamentális szerepet játszott a mára hihetetlenül hatékonnyá vált mesterséges neuronhálók létrejöttében.
John Hopfield olyan hálózatot alkotott, amely képes volt mintázatok elraktározására és újraalkotására. A kutató által megalkotott hálózat a Hopfield-hálózat nevet kapta. Geoffrey Hinton a Hopfield-hálózatra építve alkotott egy újabb hálózatot. A Boltzmann-gép már képes volt jellemző mintázatokat felismerni a betáplált adatokban - ismertette kutatásaikat az akadémia.
A díjazottak munkája már eddig is rengeteg haszonnal járt. A fizikában számos területen használjuk a mesterséges neurális hálózatokat, például új, különleges tulajdonságokkal rendelkező anyagok kifejlesztésében- hangsúlyozta Ellen Moons, a fizikai Nobel-bizottság elnöke - Az emberek közös felelőssége, hogy ezt az új technológiát biztonságos és etikus módon, az emberiség legnagyobb hasznára alkalmazzuk - tette hozzá Moons a mesterséges intelligencia gyors fejlődése miatti aggodalmakra utalva.
John J. Hopfield 1933-ban született Chicagóban, a Cornell Egyetemen doktorált, jelenleg a Princeton Egyetem professzora. Geoffrey Hinton 1944-ben Londonban született, az Edinburghi Egyetemen doktorált és a Torontói Egyetemen folytatja kutatásait.
A bejelentést követő sajtóértekezleten Hans Ellegrennek, az akadémia főtitkárának sikerült telefonon elérnie Geoffrey Hintont. A tudós elmondta, hogy nagy meglepetés volt neki a díjról szóló telefonhívás, éppen egy olcsó kaliforniai szállodában tartózkodik, ahol nincs internetkapcsolat.
Meg vagyok döbbenve. Sohasem gondoltam, hogy ez megtörténhet- mondta az elismerésről. Újságírói kérdésekre válaszolva azt jósolta, hogy a mesterséges intelligencia végül óriási hatással lesz a civilizációra, javulást hozva a termelékenységben és az egészségügyben. A jelentőségét az ipari forradalomhoz hasonlította. - Ahelyett azonban, hogy fizikai erőben felülmúlná az embereket, intellektuális képességekben fogja felülmúlni őket. Nincs tapasztalatunk arról, milyen az, amikor a dolgok okosabbak nálunk. És ez sok szempontból csodálatos lesz - mondta Hinton. Ugyanakkor hozzátette: minden előny mellett "aggódnunk kell számos lehetséges rossz következmény miatt, különösen amiatt a veszély miatt, hogy ezek a dolgok kicsúsznak az irányításunk alól".
Arra a kérdésre, hogy van-e benne megbánás a munkájával kapcsolatban a mesterséges intelligencia jelentette kockázatokat látva, Hinton úgy válaszolt, hogy a mögötte álló kutatói pályán nem változtatna, de aggódik amiatt, hogy a következmények végül olyan, az embereknél okosabb rendszerek lehetnek, amelyek átveszik az irányítást.
Egy másik kérdésre válaszolva elárulta, hogy személy szerint a GPT-4-et - az OpenAI által létrehozott multimodális nagy nyelvi modellt - használja, de nem hagyatkozik teljesen rá.
John Hopfieldet az angliai Hampshire-ben érte a hír, ahol feleségével együtt tartózkodik. Az AP hírügynökségnek elmondta, egy kávé és az influenzaoltás után arra nyitotta ki számítógépét, hogy elárasztották az emailek.
Soha nem láttam ennyi emailt életemben - jegyezte meg, hozzátéve, hogy egy üveg pezsgő és egy tányér leves várja az asztalon.
Hopfield az AP-nek azt mondta: továbbra is ámulattal tölti el, hogy munkájának milyen hatása van.
Az amerikai kutató, aki több olyan petíciót is aláírt, amelyben tudósok a technológia szigorú kontrollját sürgették, a gépi tanulás előnyeit és kockázatait a vírusokkal és az atomenergiával kapcsolatos munkához hasonlította, amely képes segíteni a társadalomnak, de károkat is okozhat.
Az MTA a fizikai Nobel-díjról: úttörő jelentőségű eredmények
A két díjazott a felfedező fizikai kutatások során megszerzett tudást alkalmazta, amikor kifejlesztette azokat az alapvető módszereket, amelyek nélkül nem létezhetnének az elektronikus rendszerekben ma már világszerte elterjedt gépi tanulási eljárások. John J. Hopfield olyan gépi asszociáción alapuló memóriát alkotott, amely képes volt elraktározni, majd előhívni képeket és egyéb adat-mintázatokat. Geoffrey E. Hinton pedig olyan módszert fejlesztett ki, amely autonóm módon képes rátalálni a betáplált adattömeg rejtett jellegzetességeire, és ezek segítségével azonosítani tudta a képek meghatározott részleteit.
Manapság sok szó esik a mesterséges intelligenciáról, de ritkán tudatosul bennünk, hogy a mesterséges intelligenciának nevezett számítógépes algoritmusok alapvetően mesterséges neuronhálók, amelyek gépi tanulási eljárások révén működnek. Ahogy a mesterséges neuronhálók elnevezése is utal rá, a terület úttörői eredetileg az agyat felépítő idegsejtekből (neuronokból), illetve a közöttük létrejövő kapcsolatokból merítettek ihletet. A mesterséges neuronhálókban is megtaláljuk az idegsejteknek megfelelő csomópontokat, amelyek különböző értékeket vehetnek fel a bejövő információtól függően, majd ezen értéknek megfelelő kimenő információt adnak át a társaiknak.
A csomópontok közötti kapcsolatok az idegsejtek közötti szinapszisok analógiájának tekinthetők, amit az is alátámaszt, hogy e kapcsolatok erőssége is változhat. A kapcsolatok erőssége befolyásolja a kapcsolatokon átáramló információ hatását: az erős kapcsolatokon keresztül érkező információ erősebben hat a csomópont működésére, az általa felvett értékre, a gyenge kapcsolatok hatása pedig csekélyebb. Ezt a mesterséges neuronhálót tanítani lehet (vagyis a vele közölt információk révén meg lehet változtatni a működését). Ha például két egymással kapcsolatban álló csomópont rendszeresen egyszerre vesz fel magasabb értéket, akkor a közöttük lévő kapcsolat megerősödik (hiszen feltételezhető, hogy a két csomópont működése összefügg egymással).
A 2024-es fizikai Nobel-díj kitüntetettjei a nyolcvanas évektől kezdve fundamentális szerepet játszottak a mára hihetetlenül hatékonnyá vált (és percről percre fejlődő) mesterséges neuronhálók létrejöttében. John Hopfield olyan hálózatot alkotott, amely képes volt mintázatok elraktározására és előhívására. Ez esetben a hálózat csomópontjait a kép pixeleiként (képpontjaiként) képzelhetjük el. A kutató által megalkotott hálózat a Hopfield-hálózat nevet kapta, és a működési elvei az anyag természetének fizikai leírásán alapultak. Különösen fontos szerepet játszottak a hálózatban az atomi spinről (vagyis az atomok mágneses tulajdonságait leíró jellegzetességeikről) szerzett fizikai ismeretek. A Hopfield-hálózat működését hasonlóképpen írják le, mint ahogy a fizikusok jellemzik a fizikai rendszerek energiaállapotát, az őket alkotó atomok spinjei alapján.
Geoffrey Hinton a Hopfield-hálózatot fejlesztette tovább. Ebből kiindulva alkotott egy újabb hálózatot, ami a Boltzmann-gép nevet kapta. Ez a hálózat már képes volt jellemző mintázatokat felismerni a betáplált adatokban. Hinton munkássága sem vezetett volna eredményre a fizikai alapkutatás felfedezései nélkül, hiszen ő a statisztikus fizika eszközeit alkalmazta (a statisztikus fizika a sok hasonló elemből felépülő rendszerek kutatásával foglalkozik). A Boltzmann-gépet olyan példákkal tréningezték, amelyekben előfordultak azok a mintázatok, amelyek nagy valószínűséggel az elemzendő adattömegben is feltűnnek majd. A gépet képek osztályozására lehetett használni, de képes volt olyan új mintázatokat is felismerni, amelyek nem szerepeltek a betanított mintázatok között. A két kutató együttes erőfeszítései megalapozták a gépi tanulás következő évtizedekben végbement robbanásszerű fejlődését, és így az eredményeik alapvetően befolyásolják az életünket nap mint nap.
