La Royal Swedish Academy of Sciences ha deciso di assegnare il Premio Nobel per la Fisica 2024 a John J. Hopfield e Geoffrey E. Hinton “per scoperte e invenzioni fondamentali che consentono l’apprendimento automatico con reti neurali artificiali“.
I due premi Nobel per la fisica di quest’anno hanno utilizzato strumenti della fisica per sviluppare metodi che sono il fondamento del potente apprendimento automatico odierno. John Hopfield ha creato una memoria associativa in grado di archiviare e ricostruire immagini e altri tipi di pattern nei dati. Geoffrey Hinton ha inventato un metodo in grado di trovare autonomamente proprietà nei dati e quindi eseguire attività come l’identificazione di elementi specifici nelle immagini.
L’apprendimento automatico tramite reti neurali artificiali
Quando parliamo di intelligenza artificiale, spesso intendiamo l’apprendimento automatico tramite reti neurali artificiali. Questa tecnologia è stata originariamente ispirata dalla struttura del cervello. In una rete neurale artificiale, i neuroni del cervello sono rappresentati da nodi che hanno valori diversi. Questi nodi si influenzano a vicenda tramite connessioni che possono essere paragonate alle sinapsi e che possono essere rese più forti o più deboli. La rete viene addestrata, ad esempio sviluppando connessioni più forti tra nodi con valori simultaneamente elevati. I vincitori di quest’anno hanno condotto un importante lavoro con le reti neurali artificiali dagli anni ’80 in poi.
John Hopfield ha inventato una rete che usa un metodo per salvare e ricreare pattern. Possiamo immaginare i nodi come pixel. La rete di Hopfield usa la fisica che descrive le caratteristiche di un materiale grazie al suo spin atomico, una proprietà che rende ogni atomo un piccolo magnete. La rete nel suo complesso è descritta in un modo equivalente all’energia nel sistema di spin trovato in fisica, ed è addestrata trovando valori per le connessioni tra i nodi in modo che le immagini salvate abbiano bassa energia. Quando alla rete di Hopfield viene fornita un’immagine distorta o incompleta, lavora metodicamente attraverso i nodi e aggiorna i loro valori in modo che l’energia della rete diminuisca. La rete lavora quindi a tappe per trovare l’immagine salvata che è più simile a quella imperfetta con cui è stata alimentata.
Geoffrey Hinton ha utilizzato la rete di Hopfield come base per una nuova rete che utilizza un metodo diverso: la macchina di Boltzmann. Questa può imparare a riconoscere elementi caratteristici in un dato tipo di dati. Hinton ha utilizzato strumenti tratti dalla fisica statistica, la scienza dei sistemi costruiti da molti componenti simili. La macchina viene addestrata fornendole esempi che hanno una probabilità molto alta di presentarsi quando la macchina viene eseguita. La macchina di Boltzmann può essere utilizzata per classificare immagini o creare nuovi esempi del tipo di pattern su cui è stata addestrata. Hinton ha sviluppato questo lavoro, contribuendo ad avviare l’attuale sviluppo esplosivo dell’apprendimento automatico.
“Il lavoro dei premiati è già stato di grandissimo beneficio. In fisica utilizziamo reti neurali artificiali in una vasta gamma di aree, come lo sviluppo di nuovi materiali con proprietà specifiche,” ha affermato Ellen Moons, presidente del Comitato Nobel per la fisica.
Chi sono John J. Hopfield e Geoffrey E. Hinton
John J. Hopfield è nato nel 1933 a Chicago, IL, USA. Ha conseguito il PhD nel 1958 presso la Cornell University, Ithaca, NY, USA. È Professore alla Princeton University, NJ, USA.
Geoffrey E. Hinton è nato nel 1947 a Londra, Regno Unito. Ha conseguito il Dottorato di ricerca nel 1978 presso l’Università di Edimburgo, Regno Unito. È Professore presso l’Università di Toronto, Canada.
