برگزیدگان نوبل فیزیک ۲۰۲۴ این بار در زمینه‌ی هوش مصنوعی معرفی شدند

جایزه‌ی نوبل فیزیک ۲۰۲۴ به دو دانشمندی اهدا شد که پایه‌های پیشرفت سریع امروزی در زمینه‌ی هوش مصنوعی (AI) را بنیان‌گذاری کردند.

آکادمی سلطنتی علوم سوئد که برندگان جایزه‌ی نوبل فیزیک را انتخاب می‌کند، روز سه‌شنبه اعلام کرد که «جان هاپفیلد» (John Hopfield) و «جفری هینتون» (Geoffrey Hinton) جایزه‌ی نوبل فیزیک را شامل ۱۱ میلیون کرون سوئد (۱.۰۳ میلیون دلار) را برای پژوهش‌هایشان روی شبکه‌های عصبی مصنوعی و الگوریتم‌هایی که ماشین‌ها را قادر به یادگیری می‌کند، برده‌اند.

درباره‌ی این برگزیده شدن، هینتون با تماس تلفنی اعلام کرد: «شگفت‌زده هستم و نمی‌دانستم که این اتفاق می‌افتد. امروز می خواستم اسکن ام‌آرآی بگیرم، اما فکر می‌کنم باید آن را لغو کنم!»

هاپفیلد هم استاد علوم زیستی دانشگاه پرینستون است که به دلیل ایجاد یک شبکه‌ی حافظه‌ی انجمنی، که برای نخستین بار در سال ۱۹۸۲ به عنوان شبکه‌ی هاپفیلد پیشنهاد کرد، شناخته شد. شبکه‌ای که می تواند تصاویر و الگوهای دیگر را از داده های ناقص ذخیره و بازسازی کند.

هینتون، دانشمند کامپیوتر دانشگاه تورنتو، از شبکه‌ی هاپفیلد در اوایل دهه‌ی ۲۰۰۰ به عنوان پایه و اساس روشی به نام «ماشین بولتزمن» (Boltzmann Machine) استفاده کرد. هینتون با استفاده از ابزارهای فیزیک آماری، شبکه‌های عصبی تولید کرد که می‌توانند الگوها را در داده‌ها شناسایی کنند و آن‌ها را قادر می‌سازد تا تصاویر را طبقه‌بندی کنند یا نمونه‌های جدیدی از الگوهایی را ایجاد کنند که بر مبنای آن‌ها آموزش دیده است.

در مجموع این دو پیشرفت برای توسعه‌ی یادگیری ماشینی اساسی بودند که از آن زمان انفجاری در فناوری‌ها و برنامه‌های جدید هوش مصنوعی ایجاد کرده است.

«الن مونز» (Ellen Moons) رئیس کمیته‌ی نوبل فیزیک در زمینه‌ی این جایزه گفت: «کار برندگان در حال حاضر بیشترین فایده را داشته است. ما در فیزیک از شبکه‌های عصبی مصنوعی در طیف وسیعی از زمینه‌ها مانند توسعه‌ی مواد جدید با ویژگی‌های خاص استفاده می‌کنیم.»

هینتون درباره‌ی پیامدهای فناوری خود در کنفرانس خبری اشاره کرد که یادگیری ماشینی تأثیر بزرگی در دنیا خواهد داشت و با انقلاب صنعتی قابل مقایسه خواهد بود. اما به جای اینکه از نظر قدرت بدنی از افراد پیشی بگیرد، از نظر توانایی فکری از افراد فراتر خواهد رفت.

کار پژوهشگران نشان‌دهنده‌ی تغییر در تحقیقات هوش مصنوعی به دور از منطق نمادین است که تلاش می‌کرد ویژگی‌های هوش انسانی را با استفاده از نمادهای تعبیه شده در سیستم‌های منطقی به شبکه‌های یادگیری عمیق تکرار کند. مورد تازه از لایه‌هایی از نورون‌های مصنوعی و مقادیر زیادی داده برای تقلید آزادانه فرآیندهای مغز انسان استفاده می‌کند.

یادگیری عمیق از دهه‌ی ۱۹۸۰ وجود داشته است، اما انرژی، داده ها و نیازهای محاسباتی بسیار زیاد این فناوری را تا ۱۰ سال پیش در مرحله نوپایی نگه داشت، زمانی که پیشرفت های محاسباتی آن را سرعت بخشید.

او با اشاره به مزایای مراقبت‌های بهداشتی و بهبود بهره‌وری افزود: «ما هیچ تجربه‌ای درباره‌ی اینکه چیزهایی که باهوش‌تر از ما هستند چگونه است، نداریم. این موضوع از بسیاری جهات فوق‌العاده خواهد بود. اما هم‌چنین باید نگران برخی از عواقب بد احتمالی، به ویژه خطر خارج شدن این چیزها از کنترل باشیم.»