Credit: Anadolu, Getty Images
ผู้ที่ได้รับรางวัลโนเบลสาขาฟิสิกส์ประจำปี 2024 ได้แก่
Emeritus professor John J. Hopfield, Princeton University รัฐนิวเจอร์ซีย์ สหรัฐอเมริกา
Emeritus professor Geoffrey E. Hinton, University of Toronto แคนาดา
สำหรับการค้นพบและสิ่งประดิษฐ์ที่ช่วยให้การเรียนรู้ของเครื่อง (Machine learning) เกิดขึ้นได้ด้วยระบบโครงข่ายประสาทประดิษฐ์ (Artificial Neural Networks หรือ ANN)
ผู้ได้รับรางวัลโนเบลสาขาฟิสิกส์ทั้ง 2 ท่านใช้เครื่องมือจากฟิสิกส์เพื่อพัฒนาวิธีการที่เป็นรากฐานของการเรียนรู้ของเครื่อง โดย Prof. John Hopfield ได้สร้างหน่วยความจำแบบเชื่อมโยงที่สามารถจัดเก็บและสร้างภาพและรูปแบบ (Pattern) อื่นๆ ในข้อมูลขึ้นมาใหม่ได้ Prof. Geoffrey Hinton ได้คิดค้นวิธีการที่สามารถค้นหาคุณสมบัติในข้อมูลโดยอัตโนมัติ และดำเนินการงานต่างๆ เช่น การระบุองค์ประกอบเฉพาะในภาพ
เมื่อเราพูดถึงปัญญาประดิษฐ์ เรามักจะหมายถึงการเรียนรู้ของเครื่องโดยใช้ระบบโครงข่ายประสาทประดิษฐ์ เทคโนโลยีนี้ได้รับแรงบันดาลใจมาจากโครงสร้างของสมอง ในระบบโครงข่ายประสาทประดิษฐ์นั้น จะมีจุดเชื่อม (Nodes) ที่มีค่าทางสมการฟิสิกส์แตกต่างกันซึ่งแทนเซลล์ประสาทของสมอง จุดเชื่อมเหล่านี้มีอิทธิพลต่อกันผ่านการเชื่อมต่อคล้ายเส้นประสาทไซแนปส์ (Synapses) และสามารถทำให้แข็งแกร่งขึ้นหรืออ่อนแอลงได้จากการฝึกฝน โดยผู้ได้รับรางวัลในปีนี้ได้ดำเนินการที่สำคัญกับระบบโครงข่ายประสาทประดิษฐ์ตั้งแต่ทศวรรษ 1980 เป็นต้นมา
Prof. John J Hopfield และ Prof. Geoffrey E Hinton ได้รับรางวัลโนเบลสาขาฟิสิกส์ประจำปีนี้
Prof. Anders Irback อธิบายงานของพวกเขาในงานแถลงข่าวที่ Royal Swedish Academy of Sciences ในสตอกโฮล์ม ประเทศสวีเดน 8 ตุลาคม 2024
(Credit: Christine Olsson/TT via Reuters)
Prof. John Hopfield คิดค้นโครงข่ายที่ใช้วิธีในการบันทึกและสร้าง pattern ใหม่ๆ เราสามารถจินตนาการถึงจุดเชื่อม หรือ Node นี้เป็นพิกเซล (Pixels) โครงเครือข่ายของ Hopfield ใช้ฟิสิกส์ในการอธิบายลักษณะของวัสดุเนื่องด้วย Atomic spin ซึ่งเป็นคุณสมบัติที่ทำให้อะตอมแต่ละอะตอมเป็นแม่เหล็กขนาดเล็ก โครงข่ายทั้งหมดได้รับการอธิบายในลักษณะที่เทียบเท่ากับพลังงานในระบบสปินที่พบในฟิสิกส์ และได้รับการฝึกโดยการค้นหาค่าสำหรับการเชื่อมต่อระหว่างจุดเชื่อม เพื่อให้ภาพที่บันทึกไว้มีพลังงานต่ำ เมื่อ Hopfield ป้อนภาพที่บิดเบี้ยวหรือไม่สมบูรณ์ เครือข่ายจะทำงานผ่านจุดเชื่อมอย่างเป็นระบบ และอัปเดตค่าของจุดเชื่อมเพื่อให้พลังงานของโครงข่ายลดลง โครงข่ายจึงทำงานแบบเป็นขั้นตอนเพื่อค้นหาภาพที่บันทึกไว้ซึ่งมีความคล้ายคลึงกับภาพที่ไม่สมบูรณ์ที่ป้อนเข้าไป
Prof. Geoffrey Hinton ใช้โครงข่าย Hopfield เป็นรากฐานสำหรับโครงข่ายใหม่ที่ใช้แนวทางที่แตกต่างออกไป นั่นคือ เครื่อง Boltzmann ซึ่งสามารถเรียนรู้ที่จะจดจำองค์ประกอบลักษณะเฉพาะในข้อมูลได้ Hinton ใช้เครื่องมือจากฟิสิกส์สถิติ ซึ่งเป็นศาสตร์แห่งระบบที่สร้างขึ้นจากส่วนประกอบที่คล้ายคลึงกันหลายอย่าง เครื่องนี้ได้รับการฝึกโดยการป้อนตัวอย่างที่มีแนวโน้มสูงที่จะเกิดขึ้นเมื่อเครื่องทำงาน เครื่อง Boltzmann สามารถใช้เพื่อจำแนกภาพหรือสร้างตัวอย่างใหม่ได้ โดย Hinton ได้พัฒนาผลงานนี้และช่วยเริ่มต้นการพัฒนาการเรียนรู้ของเครื่องในปัจจุบัน
-------------------
แหล่งข้อมูลอ้างอิง
The Nobel Prize in Physics 2024, https://www.nobelprize.org/all-nobel-prizes-2024/
Comments