Az idei év két fizikai Nobel-díjasa a fizika eszközeit használta fel olyan módszerek kifejlesztésére, amelyek napjaink nagy teljesítményű gépi tanulásának alapját képezik. John Hopfield olyan asszociatív memóriát hozott létre, amely képes képeket és más típusú mintázatokat tárolni és rekonstruálni az adatokban. Geoffrey Hinton pedig egy olyan megoldást dolgozott, amely önállóan azonosít tulajdonságokat az adatokban, és így olyan feladatokat tud elvégezni, mint például a képek meghatározott elemeinek azonosítása.

Amikor manapság mesterséges intelligenciáról beszélünk, gyakran a mesterséges neurális hálózatokkal megvalósított gépi tanulásra gondolunk. Ezt a technológiát eredetileg az agy szerkezete ihlette. Egy mesterséges neurális hálózatban az agy neuronjait különböző értékekkel rendelkező csomópontok reprezentálják. Ezek a csomópontok a szinapszisokhoz hasonlítható kapcsolatokon keresztül befolyásolják egymást, és ezek a kapcsolatok erősebbé vagy gyengébbé tehetők. A hálózatot képezhető/tanítható, például az egyidejűleg magas értékekkel rendelkező csomópontok közötti erősebb kapcsolatok kialakításával. Az idei díjazottak az 1980-as évektől kezdve alapvető fontosságú munkát végeztek a mesterséges neurális hálózatokkal.

John Hopfield egy olyan hálózatot dolgozott ki, amely a mintázatok mentésére és reprodukálásra szolgáló módszert alkalmaz. A Hopfield-hálózat olyan fizikai alapokra épül, amelyben az anyagok tulajdonságait az atomok spinje (impulzusmomentuma) határozza meg. Ezt a hálózatot pixelek sokaságként képzelhetjük el, amelyet úgy tanítanak be, hogy a csomópontok közötti kapcsolatokhoz olyan értékeket találnak, hogy a mentett képek alacsony energiával rendelkezzenek. Amikor a Hopfield-hálózatba torz vagy hiányos képet táplálnak, az módszeresen végigmegy a csomópontokon, és frissíti azok értékeit, hogy a hálózat energiája csökkenjen. A hálózat így lépésről lépésre dolgozik azon, hogy megtalálja azt a mentett képet, amelyik leginkább hasonlít arra a tökéletlen képre, amelyet kapott.

Geoffrey Hinton a Hopfield-hálózatot használta egy olyan új hálózat alapjául, amely egy másik módszert használ: a Boltzmann-gépet. Ez képes megtanulni egy adott típusú adat jellegzetes elemeinek felismerését. Hinton a statisztikai fizika eszközeit használta: a gépet úgy tanítják, hogy olyan példákat táplálnak bele, amelyek nagy valószínűséggel felmerülnek a gép futtatása során. A Boltzmann-gépet képek osztályozására vagy új példák létrehozására lehet használni arra a mintázattípusra, amelyre betanították. Hinton a munkássága alapvetően hozzájárult a gépi tanulás jelenlegi robbanásszerű fejlődésének elindításához.

„A díjazottak munkája már eddig is óriási hasznot hozott. A fizikában rengeteg területen használjuk a mesterséges neurális hálózatokat, például új, különleges tulajdonságokkal rendelkező anyagok kifejlesztésében” – mondta el Ellen Moons, a fizikai Nobel-bizottság elnöke.