اولین اطلاعات رسمی از گلکسی S26 سامسونگ منتشر شد چطور بفهمیم یک ویدیو یا عکس، واقعی است یا ساخته‌شده با هوش مصنوعی؟ + آموزش ساخت بزرگ‌ترین ابررایانه هوش مصنوعی باهمکاری انویدیا و اوراکل تأثیر ماه کامل بر کیفیت خواب انسان، واقعیت علمی یا باور عامیانه؟ ناتینگ فون 3a لایت رونمایی شد + مشخصات و قیمت آمریکایی‌ها می‌خواهند دسترسی نوجوانان به هوش مصنوعی را ممنوع کنند اپل از چندسال دیگر دکمه‌های آیفون را کاملا متحول می‌کند مسیر نو در مهندسی؛ آغاز تحول هوشمند در ساخت‌وساز مشهد فناوری eSIM به‌زودی به‌صورت گسترده در کشور اجرا می‌شود نوجوان ۱۲ ساله کانادایی با همکاری ناسا دو سیارک جدید کشف کرد موسیقی خطر زوال عقل را در سالمندان تا ۳۹ درصد کاهش می‌دهد تعرفه‌ بسته‌های اینترنت تغییر می‌کند؟ بحران وجودی مشق شب در عصر هوش مصنوعی آیا گراکی‌پدیای ایلان ماسک یک کپی از ویکی‌پدیاست یا یک ارتقای بزرگ؟ افشای جزئیاتی جدید از باتری و نمایشگر گوشی گلکسی زد فولد ۸ اولین ویدئو از گوشی تاشو سه‌تکه سامسونگ منتشر شد + فیلم راه‌اندازی نخستین آزمایشگاه ساعت اتمی کشور طی یک سال آینده آمار عجیب OpenAI از تعداد کاربرانی که با ChatGPT درباره خودکشی صحبت می‌کنند فرایند تأیید سن کاربران پلی استور در برخی مناطق آغاز شد پیام‌رسان ایتا از دسترس خارج شد (۵ آبان ۱۴۰۴) دانشمندان: احتمالا قارچ‌ها حافظه کامپیوترهای آینده باشند!
سرخط خبرها

جایزه نوبل فیزیک ۲۰۲۴ به دو دانشمند حوزه هوش مصنوعی رسید

  • کد خبر: ۲۹۳۳۴۳
  • ۱۷ مهر ۱۴۰۳ - ۱۷:۳۶
جایزه نوبل فیزیک ۲۰۲۴ به دو دانشمند حوزه هوش مصنوعی رسید
کمیته نوبل، جایزه نوبل فیزیک امسال را به جان اچ. هاپفیلد و جفری ای. هینتون به پاس اکتشافات بنیادی و ابداعاتی که یادگیری ماشینی با شبکه عصبی مصنوعی را ممکن ساخت، اهدا کرد.

به گزارش شهرآرانیوز، جان اچ. هاپفیلد و جفری ای. هینتون از فیزیک برای یافتن الگو‌هایی در اطلاعات استفاده کردند. آنها با استفاده از فیزیک شبکه‌های عصبی مصنوعی را آموزش دادند.

یادگیری ماشینی برای مدت طولانی در پژوهش‌ها از جمله مرتب‌سازی و تجزیه و تحلیل حجم وسیعی از داده‌ها، اهمیت داشته است. جان هاپفیلد (John Hopfield) و جفری هینتون Geoffrey Hinton از ابزار‌های فیزیک برای ساختن روش‌هایی استفاده کردند که به پایه‌گذاری یادگیری ماشینی قدرتمند امروزی کمک کرد. یادگیری ماشینی مبتنی بر شبکه‌های عصبی مصنوعی در حال حاضر انقلابی در علم، مهندسی و زندگی روزمره ایجاد کرده‌اند.

دو برنده جایزه نوبل فیزیک امسال از ابزار‌های فیزیک برای توسعه روش‌هایی استفاده کرده‌اند که پایه و اساس یادگیری ماشینی قدرتمند امروزی است. جان هاپفیلد یک تداعی معانی (associative memory) ایجاد کرد که می‌تواند تصاویر و انواع دیگر الگو‌ها را در داده‌ها ذخیره و بازسازی کند.

جفری هینتون روشی را ابداع کرد که می‌تواند به طور مستقل ویژگی‌ها را در داده‌ها پیدا کند و بنابراین کار‌هایی مانند شناسایی عناصر خاص در تصاویر را انجام دهد.

وقتی سخن از هوش مصنوعی به میان می‌آید، اغلب منظورمان یادگیری ماشینی با استفاده از شبکه‌های عصبی مصنوعی است. این فناوری در اصل از ساختار مغز الهام گرفته شده است. در یک شبکه عصبی مصنوعی، نورون‌های مغز با گره‌هایی نشان داده می‌شوند که ارزش‌های متفاوتی دارند. این گره‌ها از طریق اتصالاتی که می‌توانند به سیناپس‌ها متصل شوند، روی یکدیگر تاثیر می‌گذارند و می‌توانند قوی‌تر یا ضعیف‌تر شوند. شبکه به طور مثال با ایجاد ارتباطات قوی‌تر بین گره‌ها به طور همزمان آموزش داده می‌شود. برندگان امسال کار‌های مهمی را با شبکه‌های عصبی مصنوعی از دهه ۱۹۸۰ به بعد انجام داده‌اند.

جان هاپفیلد شبکه‌ای اختراع کرد که از روشی برای ذخیره و بازآفرینی الگو‌ها استفاده می‌کند. می‌توانیم گره‌ها را به صورت پیکسل تصور کنیم. شبکه هاپفیلد از فیزیک استفاده می‌کند که ویژگی‌های یک ماده را از روی اسپین اتمی آن توصیف می‌کند. اسپین از خاصیت‌های بنیادی ذرات زیراتمی است که هر اتم را به یک آهنربای کوچک تبدیل می‌کند. شبکه به طور کلی به روشی معادل انرژی در سیستم اسپین موجود در فیزیک توصیف می‌شود و با یافتن مقادیری برای اتصالات بین گره‌ها آموزش داده می‌شود تا تصاویر ذخیره‌شده انرژی کمی داشته باشند. هنگامی که شبکه هاپفیلد با یک تصویر تحریف شده یا ناقص مواجه می‌شود، به طور روشمند از طریق گره‌ها کار می‌کند و مقادیر آنها را به روز می‌کند تا انرژی شبکه کاهش یابد؛ بنابراین شبکه به صورت گام به گام کار می‌کند تا تصویر ذخیره شده‌ای را پیدا کند که شبیه تصویر ناقصی است که به آن داده شده است.

جفری هینتون از شبکه هاپفیلد به عنوان پایه و اساس شبکه جدیدی استفاده کرد که از روش متفاوتی استفاده می‌کند و آن ماشین بولتزمن Boltzmann machine است. این شبکه می‌تواند یاد بگیرد که عناصر مشخص را در یک نوع داده خاص تشخیص دهد. هینتون از ابزار‌های فیزیک آماری که علم سیستم‌هایی است که از بسیاری از اجزای مشابه ساخته شده بودند، استفاده کرد.

با قرار دادن نمونه‌ها در اختیار ماشین، به آن آموزش داده می‌شود. ماشین بولتزمن می‌تواند برای طبقه‌بندی تصاویر یا ایجاد نمونه‌های جدید از روی الگو‌هایی که با آنها آموزش دیده، مورد استفاده قرار گیرد. هینتون به شروع توسعه محیرالعقول حوزه یادگیری ماشین کنونی کمک کرده است.

مطالعات برندگان نوبل فیزیک ۲۰۲۴ تاکنون بیشترین فایده‌ها را داشته است. الن مونز (Ellen Moons)، رئیس کمیته نوبل فیزیک می‌گوید: در فیزیک، ما از شبکه‌های عصبی مصنوعی در طیف وسیعی از زمینه‌ها، مانند توسعه مواد جدید با ویژگی‌های خاص، استفاده می‌کنیم.

دستاورد‌های برندگان فیزیک امسال بر پایه‌های علم فیزیک استوار بوده است. آنها راه کاملا جدیدی را به ما نشان داده‌اند تا از رایانه‌ها برای گرفتن کمک و راهنمایی برای مقابله با بسیاری از چالش‌ها استفاده کنیم.

به لطف مطالعات آنها، بشریت اکنون یک گزینه جدید در جعبه ابزار خود دارد که می‌توانیم از آن برای اهداف خوب استفاده کنیم.

این زمینه در حال حاضر در مسیر پیشرفت برای ایجاد یک جامعه پایدار و شناسایی مواد کاربردی جدید است. اینکه چگونه در آینده از یادگیری عمیق توسط شبکه‌های عصبی مصنوعی استفاده می‌شود، بستگی به این دارد که ما انسان‌ها چگونه از این ابزار‌های فوق‌العاده قدرتمند استفاده می‌کنیم.

جان جی. هاپفیلد، متولد سال ۱۹۳۳ در شیکاگوی ایالات متحده آمریکا است. او دکترای خود را در سال ۱۹۵۸ از دانشگاه کرنل، ایتاکا، نیویورک، ایالات متحده آمریکا دریافت کرد و در حال حاضر استاد دانشگاه پرینستون، نیوجرسی، ایالات متحده است.

جفری ای. هینتون، متولد سال ۱۹۴۷ در لندن، انگلستان است. او دکترای خود را در سال ۱۹۷۸ از دانشگاه ادینبرو، انگلستان دریافت کرد و در حال حاضر استاد دانشگاه تورنتو در کانادا است.

جایزه نوبل به دستاورد‌های مهم در رشته‌های فیزیک، شیمی، پزشکی، ادبیات و صلح به یک تا حداکثر سه نفر اهدا می‌شود. جایزه نوبل شیمی فردا چهارشنبه ۹ اکتبر (۱۸ مهر) در ساعت ۱۱:۴۵ صبح به وقت ساعت تابستانی اروپای مرکزی (ساعت ۱۳:۱۵ ظهر به وقت تهران) اهدا خواهد شد.

منبع: ایسنا

گزارش خطا
ارسال نظرات
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
پربازدید
آخرین اخبار پربازدیدها چند رسانه ای عکس
{*Start Google Analytics Code*} <-- End Google Analytics Code -->