Magyar Kémikusok Lapja
NOBEL-DÍJ, 2025
Fizikai Nobel-díj: főhajtás a gépi tanulás és a mesterséges intelligencia úttörői előtt
Kégl Tamás
Nyugodtan mondhatjuk, hogy az elmúlt két évben mind a tudományos, mind a hétköznapi közbeszédben kitüntetett szerepet kapott a mesterséges intelligencia (MI). A 2024-es fizikai Nobel-díjat John J. Hopfield és Geoffrey E. Hinton kapták a mesterséges neurális hálózatokkal történő gépi tanulás terén végzett úttörő munkájukért.
Hopfield 1982-ben publikált, mára már klasszikusnak számító tanulmánya forradalmasította a mesterséges neurális hálózatokról alkotott elképzeléseket. Ebben a munkában a szerző bemutatott egy egyszerű, mégis mélyreható modellt, amelyet ma Hopfield-hálóként ismerünk. A Hopfield-háló visszacsatolt, teljesen összekapcsolt neurális hálózat: minden neuron hatással van a többi neuronra. A háló állapota a neuronok aktivációjának mintázatából áll össze. A háló dinamikája úgy van megalkotva, hogy időben az energiafüggvény által leírható potenciálfelületen egyre alacsonyabb energiaállapotok felé mozduljon el. Így a háló stabil állapotai (lokális minimumai) a memorizált mintázatoknak felelnek meg. Ennek eredményeképpen a Hopfield-háló képes zajos vagy hiányos bemenetek esetén is felismerni és kiegészíteni a tárolt mintákat, így egyfajta asszociatív memória modelljévé vált.
A Hopfield-hálózat felépítése
Hinton kutatásai során pedig, többek között, felmerült az a kérdés, hogy miként képesek a neurális hálózatok belső, rejtett reprezentációkat kialakítani. E téren fontos előrelépést jelentett a Boltzmann-gépek és a korlátozott Boltzmann-gépek (Restricted Boltzmann Machines, RBM) bevezetése. Az RBM-ek segítségével Hinton és munkatársai olyan tanulási módszereket dolgoztak ki, amelyek képesek voltak a bemeneti adatok statisztikai szerkezetének felfedezésére és belső, rejtett egységek által kódolt mintázatok kialakítására. A gyakorlatban a teljesen általános Boltzmann-gépet gyakran túl nehéz hatékonyan tanítani. Ezért bevezették a „korlátozott Boltzmann-gépet” (RBM).