12:54 08.10.2024
(обновлено: 15:06 08.10.2024)
Названы лауреаты Нобелевской премии по физике
Нобелевскую премию по физике за 2024 год присудили Хопфилду и Хинтону
Джон Хопфилд и Джеффри Хинтон
Читать ria.ru в
МОСКВА, 8 окт — РИА Новости. Нобелевскую премию по физике за 2024 год присудили американцу Джону Хопфилду и канадцу Джеффри Хинтону за работы в области искусственных нейросетей и применения их для машинного обучения.
«
"Два лауреата Нобелевской премии по физике этого года использовали физические инструменты для разработки методов, которые помогли заложить основу мощных современных технологий машинного обучения. Джон Хопфилд создал ассоциативную память, которая может хранить и реконструировать изображения и другие типы закономерностей в данных. Джеффри Хинтон изобрел метод, который позволяет автономно находить свойства в данных и таким образом выполнять такие задачи, как идентификация определенных элементов на изображениях", — говорится на сайте премии.
Хопфилд, родившийся в 1933 году, работает в Принстонском университете в США. Хинтон, 1947 года рождения, — сотрудник Университета Торонто в Канаде.
Нобелевский комитет подчеркнул, что машинное обучение уже давно играет важную роль в научных исследованиях, таких как сортировка и анализ огромных объемов данных.
"Машинное обучение, основанное на искусственных нейронных сетях, революционизирует науку, инженерию и повседневную жизнь", — отмечается в пресс-релизе.
Машинное обучение — раздел теории искусственного интеллекта, предмет которого — поиск методов решения задач путем обучения на сходных задачах. Нейросеть в машинном обучении — математическая модель и ее воплощение на уровне процессоров, которые работают по принципу нейронной сети живого организма. В отличие от нейросети животного, которая передает сигнал от мозга к другим органам и полностью регулирует жизнедеятельность организма, компьютерная нейросеть учится решать только ту задачу, которую ей ставит человек. Нейронные сети не программируются в привычном смысле этого слова, они обучаются.
Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. В процессе обучения нейросеть может выявлять сложные зависимости между входными и выходными данными, а также делать обобщения и сама корректировать получаемые результаты.
