Bu yılın iki Nobel Fizik Ödülü sahibi, günümüzün güçlü makine öğreniminin temelini oluşturan yöntemleri geliştirmek için fizik araçlarını kullandılar.
John Hopfield, verilerdeki görüntüleri ve diğer örüntü türlerini depolayabilen ve yeniden yapılandırabilen ilişkisel bir bellek yarattı.
Geoffrey Hinton, verilerdeki özellikleri otonom olarak bulabilen ve böylece resimlerdeki belirli öğeleri tanımlama gibi görevleri yerine getirebilen bir yöntem icat etti.
Genel olarak “yapay zeka”, makine öğrenimi için kullanılan YSA’ları ifade eder. Beynin mimarisi bu teknoloji için erken bir ilham kaynağı olmuştur. Değişken değerlere sahip düğümler, beynin çalışma şeklini taklit ederek yapay bir sinir ağındaki nöronların yerini alır. Bu düğümler, sinapslara benzeyen, güçlendirilebilen veya zayıflatılabilen bağlantılar aracılığıyla birbirlerini etkiler. Ağı eğitmenin bir yolu, aynı anda yüksek değerlere sahip düğümler arasında daha güçlü bağlantılar kurmaktır. Bu yılki ödüllerin sahipleri 1980’lerden itibaren yapay sinir ağları alanına önemli katkılarda bulunmuşlardır.
John Hopfield Kimdir?
Desenleri hatırlayabilen ve yeniden oluşturabilen bir ağ John Hopfield tarafından yaratılmıştır. Düğümler pikseller olarak düşünülebilir. Hopfield ağı tarafından tanımlandığı şekliyle fizik, bir malzemenin özelliklerini, her bir atomu minyatür bir mıknatısa dönüştüren atomik spininin bir fonksiyonu olarak karakterize eder. Genel ağ, fiziksel spin sistemindeki enerji açısından tanımlanır ve düğümleri arasındaki bağlantılar için değerler belirleyerek düşük enerjili kaydedilmiş görüntüler üretmeyi öğrenir. Hopfield ağı, kendisine eksik veya hatalı bir resim verildiğinde ağın enerjisini azaltmak için düğümlerin değerlerini titizlikle ayarlar. Eksik bir resimle beslendikten sonra ağ, ona en çok benzeyen kaydedilmiş resmi bulmak için aşamalı olarak çalışır.
Geoffrey Hinton Kimdir?
Geoffrey Hinton tarafından geliştirilen yeni bir ağ olan Boltzmann makinesi, Hopfield ağını temel alır ancak farklı bir yaklaşım kullanır. Bu, belirli bir veri setindeki belirli özellikleri tanımlamak için kendini eğitebilir. Çok sayıda özdeş parçadan oluşan sistemlerin incelenmesi olan istatistik, Hinton’a ihtiyaç duyduğu araçları sağlamıştır. Eğitim sırasında makineye gönderilen örnekler, çalışma sırasında ortaya çıkması muhtemel olan örneklerdir. Görüntüler sınıflandırılabilir veya Boltzmann makinesi kullanılarak eğitilen örüntünün yeni örnekleri oluşturulabilir. Hinton, makine öğreniminin ilerlemesindeki mevcut patlamayı tetiklediğine inandığı bu çalışmayı genişletti.
Kaynak:nobelprize.org/prizes/physics/2024/press-release/
