Mint arról a Svéd Királyi Tudományos Akadémia beszámolt, John Hopfield olyan asszociatív memóriát hozott létre, amely képeket és egyéb mintázatokat tárol, illetve rekonstruál az adatokban. Geoffrey Hinton pedig olyan módszert talált fel, amely képes önállóan tulajdonságokat találni az adatokban. Ezzel olyan feladatokat tudnak elvégezni, mint például a képek meghatározott elemeinek azonosítása.
Amikor mesterséges intelligenciáról beszélünk, gyakran a mesterséges neurális hálózatokon alapuló gépi tanulásra gondolunk. Ezt a technológiát eredetileg az agy szerkezete ihlette. Egy mesterséges neurális hálózatban az agy neuronjait különböző értékekkel rendelkező csomópontok reprezentálják. Ezek a csomópontok a szinapszisokhoz hasonlítható kapcsolatokon keresztül befolyásolják egymást – erősebbé vagy gyengébbé tehetők. A hálózatot képezzük, például az egyidejűleg magas értékekkel rendelkező csomópontok közötti erősebb kapcsolatok kialakításával – olvasható az akadémia közleményében.
Az idei díjazottak az 1980-as évektől kezdve fontos munkát végeztek mesterséges neurális hálózatok terén.
A Hopfield-hálózat
John Hopfield egy olyan hálózatot hozott létre, amely a minták mentésére és újraalkotására szolgáló módszert alkalmazta. A csomópontokat pixelekként képzelhetjük el. A Hopfield-hálózat az alapelve a fizikában gyökerezik: egy anyag tulajdonságait az atomok spinje alapján írja le. Ez a tulajdonság minden egyes atomot egy apró mágnessé tesz.
A hálózat egésze pedig a fizikában található spinrendszerben lévő energiával egyenértékű módon írható le. A hálózatot úgy képzik ki, hogy a mentett képek alacsony energiával rendelkezzenek.
Amikor a Hopfield-hálózatba torz vagy hiányos képet táplálnak, módszeresen végigmegy a csomópontokon, és frissíti azok értékeit, hogy a hálózat energiája csökkenjen.
A hálózat így lépésről lépésre azon dolgozik, hogy megtalálja azt a mentett képet, amelyik leginkább hasonlít arra a tökéletlen képre, amelyet betápláltak.
A Boltzmann-gép
Geoffrey Hinton a Hopfield-hálózatot használta egy új hálózat alapjául, amely azonban egy másik módszert használ.
Ez a Boltzmann-gép, amely képes megtanulni és felismerni egy adott típusú adat jellegzetes elemeit. Hinton a statisztikai fizika eszközeit használta, a sok hasonló komponensből felépülő rendszerek tudományát.
A gépbe a tanítás során olyan példákat táplálnak, amelyek nagy valószínűséggel előfordulnak a gép futtatása során.
A Boltzmann-gépet képek osztályozására vagy új példák létrehozására lehet használni Hinton erre a munkára épített, és ezzel hozzájárult a gépi tanulás jelenlegi robbanásszerű fejlődésének elindításához.
(kép: unsplash.com/Joshua Sortino)
