Հեղափոխական, բայց վտանգավոր․ Նոբելյան մրցանակ ֆիզիկոսներին

Ֆիզիկայի բնագավառում Նոբելյան մրցանակն այս տարի ստացել են գիտնականներ Ջոն Հոփֆիլդն ու Ջեֆրի Հինթոնը այն հայտնագործությունների և գյուտերի համար, որոնք հնարավորություն են ստեղծել նեյրոնային ցանցերի մեքենայական ուսուցման համար։ Նրանց աշխատանքը օգնել է ստեղծել արհեստական բանականության ժամանակակից համակարգերը։

Բացի այդ, նոբելյան մրցանակակիրների գիտական ձեռքբերումներն օգտագործվում են եղանակի մոդելավորման, արևային պանելների մշակման և բժշկական պատկերների վերլուծության մեջ։

Հինթոնը նեյրոնային ցանցերի վերաբերյալ իր աշխատանքն անվանել է հեղափոխական, բայց նաև մտահոգություն հայտնել դրա հնարավոր հետագա կիրառությունների վերաբերյալ: Նա ասել է, որ չի ափսոսում իր հայտնագործությունների համար և պատրաստ է դրանք նորից անել․ «Բայց ես անհանգստանում եմ, որ արդյունքում կարող են ի հայտ գալ մեզանից ավելի խելացի համակարգեր, որոնք, ի վերջո, իրենց ձեռքը կվերցնեն վերահսկողությունը», – նշել է գիտնականը:

Հոփֆիլդն ու Հինթոնը օգտագործել են գիտական գործիքներ ֆիզիկայից այն մեթոդների մշակման համար, որոնք ժամանակակից մեքենայական ուսուցման հիմքում են ընկած։

Վերջին 15-20 տարիների ընթացքում մեքենայական ուսուցման ոլորտը և հատկապես արհեստական նեյրոնային ցանցերի հիման վրա աշխատող տեխնոլոգիաներն աճում են մեծ տեմպերով: Չնայած որ համակարգիչն ինքնուրույն մտածել չի կարող, այն այսօր արդեն կարող է նմանակել մարդու ուղեղի այնպիսի ֆունկցիաներ, ինչպիսիք են հիշողությունն ու ուսուցումը։ Մեծ հաշվով դա հնարավոր է դարձել նոբելյան մրցանակակիրների շնորհիվ։

Օգտագործելով ֆիզիկայի հիմնարար սկզբունքները՝ Հինթոնը և Հոփֆիլդը մշակել են ալգորիթմներ, որոնք թույլ են տալիս օգտագործել մեքենայական ցանցերի կառուցվածքը տեղեկատվության մշակման համար, ինչն էլ իր հերթին հնարավորություն է տալիս ծրագրին սովորել և կատարելագործվել առանց մարդու օգնության։

Ծրագրային ապահովումը, որին մենք սովոր ենք, օգտագործում է արդեն պատրաստի ալգորիթմներ։ Նեյրոցանցերը, սակայն, սովորում են կոնկրետ բաղադրատոմսերով, այլ ոչ թե ընդհանրացված օրինակների վրա։ Դա է պատճառը, որ ցանցերն ավելի ճկուն են և թույլ են տալիս լուծել խնդիրներ, որոնք կարող են չափազանց բարդ և լղոզված լինել քայլ-առ-քայլ հրահանգների համար: Օրինակ, վերլուծել լուսանկարն ու որոշել, թե ինչ է պատկերված նրա վրա։

Ի՞նչ է «Հոփֆիլդի ցանցը»

Ջոն Հոփֆիլդը ստեղծել է ասոցիատիվ հիշողություն, որը կարող է տվյալների մեջ պահել և վերականգնել պատկերներ ու այլ տեսակի կառուցվածքներ: Ջեֆրի Հինթոնը հորինել է մեթոդ, որը կարող է տվյալների զանգվածներում ինքնուրույն գտնել առանձին պարամետրեր և ի վիճակի է, օրինակ, պատկերի մեջ կոնկրետ էլեմենտներ իդենտիֆիկացնել։

Նեյրոնային ցանցերի տեխնոլոգիաները ստեղծելով գիտնականները որպես հիմք են վերցրել մարդու ուղեղի կառուցվածքը։

Համակարգչային նեյրոնային ցանցի հանգույցները միմյանց հետ կապված են նույն սկզբունքներով, որոնցով որ աշխատում է մարդու ուղեղը։ Ցանցը սովորում է, օրինակ, զարգացնելով ավելի ամուր կապեր հանգույցների միջև, որոնք միավոր ժամանակում ունեն միանման բարձր արժեքներ։

Հոփֆիլդն ու Հիլթոնը նեյրոցանցերի մշակմամբ զբաղվում են 1980-ականներից։ Հոփֆիլդը ցանց է հորինել, որն օգագործում է կրկնվող ստրուկտուրաների պահպանումն ու վերականգնումը։

«Հոփֆիլդի ցանցը» ստեղծելիս գիտնականը հիմնվել է քվանտային մեխանիկայի հետազոտության դաշտում գտնվող սկզբունքների վրա. համակարգի բնութագրիչները պայմանավորված են ատոմային սփինով (այսինքն, մասնիկների հատկություններից մեկով)։

Ցանցը նկարագրվում է նույն ձևով, որով ֆիզիկայում նկարագրում են համակարգի սփիների էներգիան։ Այդպիսի ցանցի սովորելն իրականանում է հանգույցների միջև կապերի այնպիսի պարամետրերի որոնման արդյունքում, որոնք ապահովում են համակարգի նվազագույն էներգիան։