وبگاه داون (Dawn) در گزارشی آورده است: جایزه نوبل فیزیک، به دو دانشمند برای اکتشافاتی که عرصه‌ساز هوش مصنوعی (AI) مورداستفاده ابزارهای زیاد محبوبی همانند چت‌جی‌پی‌تی شد، اعطا شد.

هیات داوران نوبل خبرداد جفری هینتون بریتانیایی‌کانادایی، معروف به «پدرخوانده هوش مصنوعی» و جان هاپفیلد، فیزیکدان آمریکایی برای «اکتشافات و اختراعاتی که یادگیری ماشین را با شبکه‌های عصبی مصنوعی مقدور می‌سازد» دریافت کردند.

مارک وَن‌دِر ویلک (Mark van der Wilk)، متخصص یادگیری ماشین در دانشگاه آکسفورد می‌گوید: شبکه عصبی مصنوعی یک ساختار ریاضی است که با الهام از مغز انسان طراحی شده است. مغز ما دارای شبکه‌ای از سلول‌ها است که نورون‌ نامیده خواهد شد و به محرک‌های بیرونی همانند چیزهایی که چشم‌های ما دیده یا گوش‌هایمان شنیده‌اند با ارسال سیگنال‌هایی به یکدیگر، عکس العمل نشان خواهند داد.

هنگامی چیزهایی یاد می‌گیریم، برخی از ارتباطات بین نورون‌ها نیرومندتر و برخی دیگر ضعیف‌تر خواهد شد. برخلاف محاسبات سنتی که زیاد تر همانند خواندن یک دستور غذاست، شبکه‌های عصبی مصنوعی تقریباً این فرآیند را پیروی می‌کنند.

نورون‌های بیولوژیک با محاسبات ساده که بعضی اوقات «گره» نامیده خواهد شد جانشین خواهد شد و محرک‌های دریافتی که از آن‌ها یاد می‌گیرند با داده‌های آموزشی جانشین خواهد شد؛ این علتمی‌شود شبکه در طول زمان یاد بگیرد؛ از این‌رو کلمه یادگیری ماشین در این عرصه به کار برده می‌شود.

 جان هاپفیلد

هاپفیلد چه چیزی را کشف کرد؟

قبل از این که ماشین‌ها بتوانند یاد بگیرند، یک ویژگی انسانی دیگر الزامی می بود: حافظه.

نتیجه تلاش هاپفیلد این می بود که هنگامی به یک شبکه عصبی مصنوعی چیزی داده می‌شود که مقداری نادرست است، می‌تواند از طریق الگوهای ذخیره‌شده قبلی، صحیح‌ترین انتخاب را انجام دهد؛ این عمل یک قدم بزرگ رو به جلو در عرصه هوش مصنوعی می بود.

 جفری هینتون

هینتون چه کرد؟

در سال ۱۹۸۵ میلادی، کوششهای هینتون در عرصه هوش با «ماشین بولتزمن» آشکار شد.

این مفهوم که به نام لودویگ بولتزمن، فیزیکدان قرن نوزدهم نامگذاری شد، عنصری از اتفاقی بودن را معارفه کرد. این اتفاقی بودن به علت آن است که مولدهای عکس مبتنی بر هوش مصنوعی امروزی می‌توانند برای یک خواست جواب‌هایی متنوع اراعه کنند.

هینتون این چنین نشان داد که هر چه یک شبکه لایه‌های بیشتری داشته باشد، «حرکت آن پیچیده‌تر می‌شود».

فرانسیس باخ، محقق فرانسوی یادگیری ماشین او گفت که این به نوبه خود یادگیری کارآمد یک حرکت مطلوب را آسان‌تر کرد.

با وجود این ایده‌ها، تعداد بسیاری از دانشمندان در دهه ۱۹۹۰ میلادی علاقه خود را به این رشته از دست دادند.

یادگیری ماشین به کامپیوترهای زیاد قدرتمندی نیاز داشت که بتوانند حجم وسیعی از اطلاعات را مدیریت کنند. به گفتن مثال، میلیون‌ها عکس از سگ ملزوم است تا این الگوریتم‌ها بتوانند سگ را از گربه تشخیص دهند.

به حرف های باخ این حالت ادامه داشت تا سال ۲۰۱۰ میلادی که موجی از پیشرفت‌ها در پردازش عکس و پردازش زبان طبیعی انقلابی بر پا شد.

اکنون از هوش مصنوعی در عرصه‌های گوناگونی از خواندن اسکن‌های پزشکی گرفته تا هدایت خودروهای خودران، از پیش‌بینی آب و هوا گرفته تا تشکیل دیپ‌فیک (جعل عمیق) منفعت گیری می‌شود به نحوی که نمی‌توان موارد منفعت گیری از آن را شمارش کرد.

آیا واقعاً این کشفیات به فیزیک مرتبط است؟

هینتون قبلاً برنده جایزه تورینگ شده می بود که نوبل علوم کامپیوتر محسوب می‌شود. اما به حرف های چند کارشناس، انتخاب وی به گفتن برنده نوبل در عرصه فیزیک، انتخابی با لیاقت می بود؛ چون وی در مسیر جاده علم فیزیک پیش رفت و در انتهای آن به هوش مصنوعی رسید.

دَمین کِرلیوز (Damien Querlioz) خاطرنشان کرد که این الگوریتم‌ها در اصل از فیزیک الهام گرفته شده‌اند و مفهوم انرژی را به حوزه محاسبات انتقال داده‌اند.

ون‌درویلک با گفتن این که اولین جایزه نوبل «برای طراحی راه حلشناختی هوش مصنوعی» سهم جامعه فیزیک است، از برندگان سپاس کرد.

چت‌جی‌پی‌تی بعضی اوقات اوقات می‌تواند هوش مصنوعی را واقعاً خلاق نمود دهد اما باید به ماشینی بودن «یادگیری ماشین» دقت کنیم.