0
22439
Газета Наука Печатная версия

22.10.2024 19:06:00

Как можно использовать физические методы для создания основ машинного обучения

Мнемозина на кремниевом чипе

Игорь Лалаянц

Об авторе: Игорь Лалаянц- кандидат биологических наук.

Тэги: нейросети, машинное обучение, нобелевская премия


нейросети, машинное обучение, нобелевская премия Процедура объявления в Стокгольме имен лауреатов Нобелевской премии по физике за 2024 год. Фото Reuters

Нобелевская премия по физике за 2024 год присуждена Джону Хопфилду, которому 91 год, и его более молодому коллеге Джеффри Хинтону, которому 75. Награду вручат за создание того, что сегодня у всех на слуху, – искусственные нейросети (ИНС) и машинное обучение (МО). Именно ИНС и МО лежат в основе работы больших языковых моделей и того же AlphaFold, создающего 3D-модели протеинов по их аминокислотной последовательности, и много чего другого.

Кстати, как отметил в своем Telegram-канале академик Алексей Хохлов, «Нобелевскому комитету пришлось решать непростую задачу: показать, что эти безусловно выдающиеся работы относятся к физике, а не к прикладной математике (по математике Нобелевские премии не присуждаются). И надо отдать должное, это удалось обосновать, несколько раз обращая внимание на то, что идеи развиваемых методов лауреаты почерпнули именно из аналогий с процессами в реальном физическом мире».

Мнемозина была матерью прекрасных муз, среди которых была и Урания, «ответственная» за то, что происходит в небе. Другие дочери «курировали» музыку и разные виды поэзии, а также Клио – историю. Все действия муз требовали запоминания, поэтому мать их считалась богиней памяти.

С необходимостью включения памяти в контур столкнулись и создатели первых компьютеров.

Нобелевский комитет подчеркивает, что отмеченные наградой Хопфилд и Хинтон использовали физические методы для создания основ машинного обучения. Первый сформировал понятие машинной ассоциативной памяти (АП). Как, скажем, в известном рассказе Антона Чехова «Лошадиная фамилия» (персонаж рассказа два дня припоминал фамилию, которая крутилась у него на языке, какая-то «лошадиная»; оказалось – Овсов).

Джон Хопфилд также ввел в оборот само понятие – искусственная нейросеть (ANN – Artificial NeuroNet), описанию которой посвятил статью, опубликованную в 1982 году. Его увлечение компьютерным моделированием ассоциативной памяти не одобряли в Принстонском университете, с которым он расстался, перебравшись в Калтек (Калифорнийский технологический институт Лос-Анджелеса). Там он получил не только возможность заниматься тем, что нравится, но и необходимое компьютерное время.

В первой, «плоской» модели он использовал 30 элементов-узлов (nodes) c 435 соединениями (connects), позволившими ему следить за 500 параметрами. Хопфилд хотел было использовать и 100 узлов, но мощности тогдашних компьютеров на это не хватало.

Статью прочитал англичанин Джеффри Хинтон, занимавшийся психологией в Лондоне и Шотландии, после чего перебрался в Университет Карнеги в Питтсбурге, а затем и в Университет Торонто. Его тоже волновала проблема памяти и ее «закрепления» в мозге.

Предыдущая подготовка как физика и «воспоминание» о многослойной коре мозга стимулировали ученого на создание двухуровневой модели, первый из уровней которой был видимым, а второй скрытым (hidden). Компьютерные симуляции позволили, применив уравнение Людвига Больцмана, предположить, что память формируется в естественном ландшафте и закрепляется после попадания информации в потенциальную яму с наименьшей энергией. Это сопрягалось с идеей Хопфилда относительно ассоциативной памяти.

Все это было в 80-е и 2000-м, когда не только биофизики, но и нейробиологи ничего не знали о канальных протеинах в клеточных мембранах и связанных с их мутациями каналопатиях (геном человека был прочитан только к 2003 году). Даты публикаций очень важны для судей Нобелевских комитетов в плане установления приоритета ученых-кандидатов.

Тем не менее идеи двух ученых, один из которых родился в Чикаго 91 год назад, а другой в Лондоне на 14 лет позже, легли на благодатную почву развития сначала микро-, а затем и наноэлектроники. Достаточно вспомнить сообщения о новом телефоне, который будет – или уже поддерживает – 43 языка. Это позволяет его владельцу беспрепятственно путешествовать по всему миру без всяких языковых барьеров.

Другой пример связан с созданной в Университете Тохоку в японском городе Сендай нейросети, названной учеными «графической» (Graph NN). Она позволяет напрямую предсказывать оптические свойства (спектры) веществ исходя из их кристаллических структур. Это, по мнению японцев, ускоряет и удешевляет создание новых материалов, в том числе и для высокоэффективных солнечных панелей.

А специалисты в области физики твердого тела в Висконсинском университете в городе Мэдисон (США) использовали ИИ для определения рисков развития опухолей мозга (глиом) у мужчин и женщин.

Известны также спиновые стекла, представляющие собой дезорганизованную систему с наномагнитами. Интерес к ним со стороны ИИ связан с тем, что в стеклах происходит «соревнование» двух типов магнитной упорядоченности. По мнению ученых, переход к упорядоченности в магнитных стеклах может представлять собой новый уровень развития того, что предложили лауреаты Нобелевской премии 2024 года. 


Читайте также


Пушкинский музей закольцовывает историю с помощью искусственного интеллекта

Пушкинский музей закольцовывает историю с помощью искусственного интеллекта

Анастасия Башкатова

Истина на кончиках пальцев

0
5118
Как премию назовешь – тому она и достанется

Как премию назовешь – тому она и достанется

Александр Самохин

О важности точных формулировок в естественнонаучных номинациях

0
17625
Компьютерные науки должны стать физикой

Компьютерные науки должны стать физикой

Алексей Хохлов

Еще раз о Нобелевской премии Джона Хопфилда и Джеффри Хинтона

0
18364
Нобелевский комитет запутался в сетевой физике

Нобелевский комитет запутался в сетевой физике

Дмитрий Квон

Это знаменует собой закономерный триумф третьего пришествия искусственного интеллекта

0
22357

Другие новости