Без результатов, которые получили Джон Хопфилд и Джефри Хинтон, нобелевские лауреаты по физике 2024 г., скорее всего, сегодня не было бы нейросетей в современном виде. Так считает профессор РАН, заведующий лабораторией №80 «Киберфизических систем» ИПУ РАН Роман Мещеряков. В комментарии порталу «Научная Россия» он рассказал, что за формулировкой премии «за фундаментальные открытия и изобретения, которые позволяют осуществлять машинное обучение с использованием искусственных нейронных сетей» скрывается создание основы, которая позволила развивать искусственные нейронные сети и машинное обучение.
«Сеть Хопфилда ― это азы изучения искусственных нейронных сетей, как таблица сложения в математике. С человеком, который не знаком с его работами, нет смысла говорить ни о нейросетях, ни о машинном обучении.
Джон Хопфилд получил Нобелевскую премию именно по физике за то, что в основе его работ были физические основы. Как происходит процесс моделирования: мы видим что-то и перекладываем принцип на объект своего интереса. Джон Хопфилд изучал процессы физического мира и на основе его принципов создал сеть, способную восстанавливать запомненные образы и элементы.
Важно подчеркнуть и вторую часть работы: машинное обучение. Как оно реализуется: есть несколько входов, источников информации, через которые машина получает образцы. Затем она их запоминает, используя вычислительные узлы, и анализирует, какая часть изображения более важная, а какая менее, добиваясь определенного результата. Это основа того, что сегодня называют искусственным интеллектом и машинным обучением, а принцип был заложен именно Джоном Хопфилдом.
А Джефри Хинтон использовал базовые физические процессы для создания метода, с помощью которого возможно распознавать и классифицировать изображения – он является одним исследователей, которые предложили для машинного обучения метод обратного распространения ошибки. Без результатов, которые получили Джон Хопфилд и Джефри Хинтон, скорее всего, сегодня не было бы нейросетей в современном виде», ― рассказал Роман Мещеряков.