این دو دانشمند از فیزیک برای یافتن الگوهایی در اطلاعات منفعت گیری کردند. آنها با منفعت گیری از فیزیک شبکه‌های عصبی مصنوعی را آموزش دادند.

یادگیری ماشینی برای زمان طویل در  پژوهش‌ها از جمله مرتب‌سازی و تجزیه و تحلیل حجم وسیعی از داده‌ها، اهمیت داشته است. جان هاپفیلد (John Hopfield) و جفری هینتون Geoffrey Hinton از ابزارهای فیزیک برای ساختن راه حلهایی منفعت گیری کردند که به پایه‌گذاری یادگیری ماشینی قوی امروزی پشتیبانی کرد. یادگیری ماشینی مبتنی بر شبکه‌های عصبی مصنوعی اکنون انقلابی در علم، مهندسی و زندگی روزمره تشکیل کرده‌اند.

دو برنده جایزه نوبل فیزیک امسال از ابزارهای فیزیک برای گسترش راه حلهایی منفعت گیری کرده‌اند که پایه و مبنا یادگیری ماشینی قوی امروزی است. جان هاپفیلد یک تداعی معانی (associative memory) تشکیل کرد که می‌تواند تصاویر و انواع دیگر الگوها را در داده‌ها ذخیره و بازسازی کند.

جفری هینتون روشی را ابداع کرد که می‌تواند به طور جدا گانه ویژگی‌ها را در داده‌ها اشکار کند و به این علت کارهایی همانند شناسایی عناصر خاص در تصاویر را انجام دهد.

هنگامی سخن از هوش مصنوعی به بین می‌آید، زیاد تر منظورمان یادگیری ماشینی با منفعت گیری از شبکه‌های عصبی مصنوعی است. این فناوری در اصل از ساختار مغز الهام گرفته شده است. در یک شبکه عصبی مصنوعی، نورون‌های مغز با گره‌هایی نشان داده خواهد شد که قیمت‌های متغیری دارند. این گره‌ها از طریق اتصالاتی که می‌توانند به سیناپس‌ها متصل شوند، روی یکدیگر تاثییر می‌گذارند و می‌توانند نیرومندتر یا ضعیف‌تر شوند. شبکه به طور مثال با تشکیل ارتباطات نیرومندتر بین گره‌ها به طور همزمان آموزش داده می‌شود. برندگان امسال کارهای مهمی را با شبکه‌های عصبی مصنوعی از دهه ۱۹۸۰ به سپس انجام داده‌اند.

جان هاپفیلد شبکه‌ای اختراع کرد که از روشی برای ذخیره و بازآفرینی الگوها منفعت گیری می‌کند. می‌توانیم گره‌ها را به طور پیکسل فکر کنیم. شبکه هاپفیلد از فیزیک منفعت گیری می‌کند که ویژگی‌های یک ماده را از روی اسپین اتمی آن توصیف می‌کند. اسپین از خاصیت‌های بنیادی ذرات زیراتمی است که هر اتم را به یک آهنربای کوچک تبدیل می‌کند. شبکه به طور کلی به روشی معادل انرژی در سیستم اسپین حاضر در فیزیک توصیف می‌شود و با یافتن مقادیری برای اتصالات بین گره‌ها آموزش داده می‌شود تا تصاویر ذخیره‌شده انرژی مقداری داشته باشند. هنگامی که شبکه هاپفیلد با یک عکس تحریف شده یا ناقص روبه رو می‌شود، به طور روشمند از طریق گره‌ها کار می‌کند و مقادیر آنها را به روز می‌کند تا انرژی شبکه افت یابد. به این علت شبکه به طور قدم به قدم کار می‌کند تا عکس ذخیره شده‌ای را اشکار کند که همانند عکس ناقصی است که به آن داده شده است.

جفری هینتون از شبکه هاپفیلد به گفتن پایه و مبنا شبکه جدیدی منفعت گیری کرد که از روش متغیری منفعت گیری می‌کند و آن ماشین بولتزمن Boltzmann machine است. این شبکه می‌تواند یاد بگیرد که عناصر اشکار را در یک نوع داده خاص تشخیص دهد. هینتون از ابزارهای فیزیک آماری که علم سیستم‌هایی است که از تعداد بسیاری از اجزای شبیه ساخته شده بودند، منفعت گیری کرد.

با قرار دادن مثالها در اختیار ماشین، به آن آموزش داده می‌شود. ماشین بولتزمن می‌تواند برای طبقه‌بندی تصاویر یا تشکیل مثالهای تازه از روی الگوهایی که با آنها آموزش دیده، مورد منفعت گیری قرار گیرد. هینتون به اغاز گسترش محیرالعقول حوزه یادگیری ماشین جاری پشتیبانی کرده است.

مطالعات برندگان نوبل فیزیک ۲۰۲۴ تا بحال بیشترین منفعت‌ها را داشته است. الن مونز(Ellen Moons)، رئیس کمیته نوبل فیزیک می‌گوید: در فیزیک، ما از شبکه‌های عصبی مصنوعی در طیف وسیعی از عرصه‌ها، همانند گسترش مواد تازه با ویژگی‌های خاص، منفعت گیری می‌کنیم.

دستاوردهای برندگان فیزیک امسال بر پایه‌های علم فیزیک محکم بوده است. آنها راه کاملا جدیدی را به ما نشان داده‌اند تا از رایانه‌ها برای گرفتن پشتیبانی و راهنمایی برای مقابله با تعداد بسیاری از چالش‌ها منفعت گیری کنیم.

به لطف مطالعات آنها، بشریت اکنون یک گزینه تازه در جعبه ابزار خود دارد که می‌توانیم از آن برای اهداف خوب منفعت گیری کنیم.

این عرصه اکنون در مسیر پیشرفت‌ برای تشکیل یک جامعه پایدار و شناسایی مواد کاربردی تازه است. این که چطور در آینده از یادگیری عمیق توسط شبکه‌های عصبی مصنوعی منفعت گیری می‌شود، بستگی به این دارد که ما انسان‌ها چطور از این ابزارهای بسیار قوی منفعت گیری می‌کنیم.

جان جی. هاپفیلد، متولد سال ۱۹۳۳ در شیکاگوی ایالات متحده آمریکا است. او دکترای خود را در سال ۱۹۵۸ از دانشگاه کرنل، ایتاکا، نیویورک، ایالات متحده آمریکا دریافت کرد و اکنون استاد دانشگاه پرینستون، نیوجرسی، ایالات متحده است.

جفری ای. هینتون، متولد سال ۱۹۴۷ در لندن، انگلستان است. او دکترای خود را در سال ۱۹۷۸ از دانشگاه ادینبرو، انگلستان دریافت کرد و اکنون استاد دانشگاه تورنتو در کانادا است.

جایزه نوبل به دستاوردهای مهم در رشته‌های فیزیک، شیمی، پزشکی، ادبیات و صلح به یک تا حداکثر سه نفر اهدا می‌شود. جایزه نوبل شیمی فردا چهارشنبه ۹ اکتبر(۱۸ مهر) در ساعت ۱۱:۴۵ صبح به زمان ساعت تابستانی اروپای مرکزی(ساعت ۱۳:۱۵ ظهر به زمان تهران) اهدا خواهد شد.