Nobel Vật lý 2024: Đào tạo mạng neural nhân tạo bằng vật lý

0
16
Nobel Vật lý 2024 - Đào tạo mạng neural nhân tạo bằng vật lý
Vào lúc 16 giờ 45 phút chiều ngày 08 tháng 10 (theo giờ Việt Nam), chủ nhân của giải thưởng Nobel Vật l‎ý 2024 đã được công bố bởi Viện Hàn lâm Khoa học Hoàng gia Thụy Điển. Năm nay, giải thưởng được trao cho “những khám phá và phát minh cơ bản về học máy đối với mạng neural nhân tạo
Khi nói về trí tuệ nhân tạo, chúng ta thường ám chỉ đến học máy sử dụng mạng neural nhân tạo. Công nghệ này ban đầu được lấy cảm hứng từ cấu trúc của não. Trong mạng neural nhân tạo, các neutron của não được biểu diễn bằng các nút với các giá trị khác nhau. Các nút này ảnh hưởng lẫn nhau thông qua kết nối được ví như các khớp thần kinh và có thể được làm mạnh lên hoặc yếu đi. Mạng được đào tạo, ví dụ bằng cách phát triển các kết nối mạnh hơn giữa các nút có giá trị cao đồng thời. Những người đoạt giải năm nay đã thực hiện công việc quan trọng với mạng neural nhân tạo từ những năm 1980
Nobel Vật lý 2024 được trao cho công trình liên quan đến những khám phá và phát minh cơ bản về học máy đối với mạng neural nhân tạo
John Hopfield đã phát minh ra một mạng lưới sử dụng phương pháp lưu và tái tạo các mẫu. Chúng ta có thể tưởng tượng các nút như các điểm ảnh. Mạng Hopfield sử dụng vật l‎ý mô tả các đặc điểm của vật liệu do spin nguyên tử – một đặc tính khiến mỗi nguyên tử trở thành một nam châm nhỏ. Toàn bộ mạng lưới được mô tả theo cách tương đương với năng lượng trong hệ thống spin được tìm thấy trong vật l‎ý. Chúng được đào tạo bằng cách tìm các giá trị cho các kết nối giữa các nút để hình ảnh đã lưu có mức năng lượng thấp nhất. Khi cung cấp cho mạng Hopfield một hình ảnh bị bóp méo hoặc không đầy đủ, nó sẽ có phương pháp hoạt động thông qua các nút và cập nhật các giá trị của chúng để năng lượng của mạng giảm xuống. Do đó, mạng lưới hoạt động theo từng bước để tìm hình ảnh đã lưu giống nhất với hình ảnh không hoàn chỉnh được cung cấp
Geoffrey Hinton đã sử dụng mạng Hopfield làm nền tảng cho một mạng mới sử dụng phương pháp khác: máy Boltzmann. Mạng này có thể học cách nhận dạng các yếu tố đặc trưng trong một loại dữ liệu nhất định. Hinton đã sử dụng các công cụ từ vật l‎ý thống kê, khoa học về các hệ thống được xây dựng từ nhiều thành phần tương tự. Máy được đào tạo bằng cách cung cấp cho nó các ví dụ có khả năng phát sinh trong quá trình chạy. Máy Boltzmann có thể sử dụng để phân loại hình ảnh và tạo ra các ví dụ mới về loại mẫu được đào tạo. Hinton đã xây dựng dựa trên công trình này, giúp khởi xướng sự phát triển bùng nổ hiện tại của học máy
Ellen Moons, Chủ tịch Ủy ban Nobel Vật l‎ý cho biết; “Công trình của những người đoạt giải đã mang lại lợi ích lớn. Trong vật l‎ý, chúng ta sử dụng mạng neural nhân tạo trong nhiều lĩnh vực, chẳng hạn như phát triển vật liệu mới có đặc tính cụ thể”
(Theo nobelprize.org)
Hội Thiên Văn Hà Nội (HAS)
Dịch và biên tập: Phan Quân

Comments

comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here