На прошлой неделе мир узнал лауреатов Нобелевской премии по физике и химии. И обе премии были получены за результаты в области искусственного интеллекта.
О том, за какие открытия учёные получили Нобеля и что эти исследования значат для современной науки, рассказала Н.И. Семёнова, доцент кафедры радиофизики и нелинейной динамики Института физики, старший научный сотрудник Лаборатории биомедицинской фотоакустики.
«Джон Хопфилд и Джеффри Хинтон стали лауреатами Нобелевской премии по физике в этом году за «фундаментальные открытия и изобретения, позволяющие проводить машинное обучение с использованием искусственных нейронных сетей». Про искусственные нейронные сети, мне кажется, сейчас слышали все. Но мало кто задумывается: «А когда они появились?».
На слуху у обывателей они начали появляться примерно с 2010 года, но прежде чем дойти до анализа изображений, перевода, распознавания речи, они прошли очень большой путь.
В мире расходятся мнения о том, что можно считать началом эры нейронных сетей. Кто-то считает началом 1957 год, когда Фрэнк Розенблатт предложил перцептрон (первую математическую модель восприятия информации мозгом), или 1943 год, когда Уоррен Мак-Каллок и Уолтер Питтс предложили понятие искусственной нейронной сети, а заодно и первой модели искусственного нейрона.
Некоторые считают, что началом можно считать и более ранние даты. В любом случае, с того момента нейронные сети активно развиваются, придумываются новые методы обучения, структуры, логика построения и анализа информации. За всем этим стоит математика очень высокого уровня.
Джона Хопфилда и Джеффри Хинтона нельзя назвать родоначальниками нейронных сетей, однако они сделали многое для развития нейронных сетей в современном понимании. Джеффри Хинтон сделал вклад в развитие глубоких сетей и глубокого обучения. Он является одним из авторов метода обратного распространения ошибки, который часто применяется для обучения нейронных сетей.
Работы Хопфилда оказали влияние на развитие многих направлений в искусственном интеллекте, в том числе на теорию глубокого обучения и развитие машинного обучения. Однако наибольшую известность ему принесла сеть Хопфилда, предложенная в 1982 году. Эта сеть «запоминает» образы или состояния и восстанавливает их на основе неполных или искажённых данных, поэтому эту сеть можно использовать для ассоциативной памяти, распознавания образов, оптимизации или коррекции ошибок.
Сейчас научную работу с нейронными сетями можно разделить на два основных направления. Первое – применение нейронных сетей для распознавания и классификации. Это включает в себя использование нейронных сетей для диагностики заболеваний, распознавания и классификации аномалий и так далее. Такие исследования проводятся сотрудниками Института физики, Научного медицинского центра, биологического и других факультетов СГУ.
Второе направление – разработка новых типов нейронных сетей и их обучения, создание новых типов биологически совместимых нейронных сетей. Это направление можно встретить в работах сотрудников Института физики, механико-математического факультета, факультета КНиИТ. В нашем университете ведутся исследования по обоим направлениям, результаты исследований публикуются в международных журналах высокого уровня.
В 2024 году ещё одна Нобелевская премия была связана с искусственным интеллектом. Дэвид Бейкер, Демис Хассабис и Джон Джампер получили Нобелевскую премию по химии.
Дэвид Бейкер отмечен за разработки в области вычислительного дизайна белков, которые могут быть использованы для создания новых биомолекул с заданными свойствами. Хассабис и Джампер были награждены за создание модели искусственного интеллекта, способной предсказывать сложные структуры белков и решать тем самым одну из фундаментальных задач биохимии, которая оставалась нерешённой на протяжении 50 лет. Мы стоим на пороге больших открытий. Одно из направлений развития таких технологий, которое я здесь вижу, – появление новых лекарств от ранее неизлечимых болезней».
