Techniken aus der Physik
Der Sieg ist bereits da Köpfe verdrehen in den sozialen Medien, weil es ungewöhnlich erscheint, dass Forschung in einem Informatikbereich wie maschinellem Lernen einen Nobelpreis für Physik gewinnen könnte. „Und der Nobelpreis für Physik 2024 geht nicht an die Physik …“ getwittert Die deutsche Physikerin Sabine Hossenfelder heute Morgen.
Vom Nobelkomitee StandpunktDie Auszeichnung beruht größtenteils auf der Tatsache, dass die beiden Männer auf in der Physik verwendeten statistischen Modellen zurückgegriffen haben, und teilweise auf der Anerkennung der Fortschritte in der physikalischen Forschung, die sich aus der Verwendung der neuronalen Netzwerktechniken der Männer als Forschungsinstrumente ergaben.
Die Vorsitzende des Nobelkomitees, Ellen Moons, Physikerin an der Universität Karlstad in Schweden, sagte während der Ankündigung: „Künstliche neuronale Netze wurden eingesetzt, um die Forschung in so unterschiedlichen physikalischen Themen wie Teilchenphysik, Materialwissenschaft und Astrophysik voranzutreiben.“
Hopfield, ein 91-jähriger theoretischer Biologe mit physikalischem Hintergrund, schaffte einen Durchbruch im Jahr 1982 durch die Entwicklung eines Netzwerks, das Verbindungen zwischen Knoten als physikalische Kräfte, als Natur beschrieb beschreibt in einem Bericht. Seine Innovation, bekannt als Hopfield-Netzwerknutzt Konzepte aus der Physik, die beschreiben, wie sich Atomspins in Materialien verhalten. Insbesondere speichert es Muster als Niedrigenergiezustände, sodass das System Bilder neu erstellen kann, wenn es mit ähnlichen Mustern dazu aufgefordert wird. Dieser Ansatz ahmte das assoziative Gedächtnis nach und ähnelte der Art und Weise, wie das Gehirn Wörter oder Konzepte abruft.
Hinton, der 76 ist, darauf aufgebaut Hopfields Forschung in den frühen 1980er Jahren durch die Entwicklung einer mehrschichtigen Version des Hopfield-Netzwerks, die Wahrscheinlichkeiten beinhaltete. Hinton zog Parallelen zu physikalischen Studien großer Systeme ähnlicher Elemente wie Gasmolekülen. Anstatt einzelne Moleküle zu verfolgen, untersuchen Physiker kollektive Eigenschaften wie Druck oder Temperatur. Die Boltzmann-Gleichung aus der Physik des 19. Jahrhunderts berechnet die Wahrscheinlichkeit verschiedener Zustände in solchen Systemen. Hinton wandte dieses Konzept auf neuronale Netze an und nannte seine Methode von 1985 „Boltzmann-Maschine„, das den Zusammenhang zwischen maschinellem Lernen und statistischer Physik hervorhob. Eine Boltzmann-Maschine ist in der Lage, Bilder zu erkennen, zu klassifizieren und auf der Grundlage ihrer Trainingsdaten neue Beispiele zu generieren.
