Теоретические достижения нобелевских лауреатов Джона Хопфилда и Джеффри Хинтона в области машинного обучения и нейросетей способствуют приближению человечества к разгадке принципов функционирования человеческого мозга. Одновременно эти разработки помогают в решении прикладных задач, связанных с созданием мозговых аналогов на основе алгоритмов. Такое мнение выразил Андрей Быков, член-корреспондент РАН и руководитель отделения физики плазмы, атомной физики и астрофизики Физико-технического института им. А. Ф. Иоффе РАН.
Быков подчеркнул, что моделирование нейросетей фактически представляет собой моделирование мозга, представляя собой биолого-математическую задачу с минимальным использованием физики. Он отметил важность этого подхода: во-первых, он способствует пониманию работы мозга, а во-вторых, позволяет создавать аналоги мозга для запоминания, анализа и обработки информации. Хопфилд и Хинтон смогли алгоритмизировать свойства мозга и передать их на язык машин.
В своей речи Быков указал на примеры из истории Нобелевской премии, когда открытия в одной научной области приводили к присуждению награды в другой. Он привёл в пример математика Леонида Канторовича, который в 1975 году получил Нобелевскую премию по экономике за разработку метода линейного программирования, несмотря на то, что его работа была математической.
Член-корреспондент РАН также отметил, что открытия Хопфилда и Хинтона, хотя и не напрямую связаны с физикой, сыграют значительную роль в будущих исследованиях различных физических направлений. Это, по его мнению, создаст предпосылки для получения Нобелевских премий другими учёными в области физики.
Быков выразил сомнение, что разработкам в сфере нейросетей вновь присудят премию по физике, но отметил широкое применение нейросетей в этой науке. Он уверен, что многие важные физические открытия будут сделаны с помощью нейросетей и искусственного интеллекта, что создаст основания для будущих Нобелевских наград.
Андрей Быков рассказал, что появление нейросетей, во многом благодаря Хопфилду и Хинтону, оказало значительное влияние на современную астрофизику и изучение удалённых космических объектов. Нейросети позволяют учёным точно реконструировать изображения звёзд и других небесных тел на больших расстояниях, улучшая качество визуализации для наблюдателей на Земле.
Он отметил, что анализ изображений с высокой степенью зашумлённости является критически важным в астрофизике. Нейронные сети помогают восстанавливать реальные формы трёхмерных космических объектов из плоских наблюдательных данных, что особенно важно в условиях слабых и редких сигналов от высокоэнергетических источников.
Быков отметил, что российские учёные активно занимаются исследовательскими и прикладными разработками в области нейросетей, включая их применение в космических исследованиях. Это свидетельствует о высоком уровне научной работы и потенциале использования нейросетевых технологий для изучения космоса.
Нобелевская премия по физике 2024 года была присуждена американскому Джону Хопфилду и канадскому Джеффри Хинтону за их открытия в области машинного обучения. Учёные получили награду за фундаментальные открытия и изобретения, которые обеспечили обучение машин с помощью искусственных нейронных сетей, как указано в мотивировочной части решения комитета.
Фото: Wikimedia Commons/YouTube: Возникновение, динамика и поведение - Джон Хопфилд , bhadeshia123 , (Creative Commons Attribution 3.0 Unported. )
