A felfedezéseik teszik lehetővé az MI-rendszerek számára, hogy hatékonyan tanuljanak a rendelkezésre álló adatokból, ami révén ma már képesek egyre összetettebb problémákat megoldani.

Hopfield és Hinton a biológiai agyban található neurális kapcsolatok elveit alkalmazták a számítástechnikában. Az emberi agy neuronjai közötti kapcsolódások hasonlóságán alapulva fejlesztettek ki olyan mesterséges hálózatokat, amelyek képesek minták felismerésére és adatok feldolgozására. Ezeket a rendszereket nevezzük neurális hálózatoknak, és olyan összekapcsolt csomópontokból állnak, amelyek a biológiai neuronokhoz hasonlóan „tanulnak” a bemenetekből.

Hopfield, aki fizikusként diplomázott, még 1982-ben kifejlesztett egy nagy neurális hálózatot, mely Hopfield-hálózat néven ismert, és nemcsak az adatok tárolására képes, hanem információkat is fel tud ismerni és visszakeresni, még akkor is, ha azok hiányosak vagy torzultak. Ezzel a technológiával megalapozta a mintafelismerés modern módszereit, melyek ma elengedhetetlenek az MI-rendszerek működéséhez.

Képek: DALL·E 

A két tudós úttörő munkája nem csupán a számítástechnikára és az MI-re korlátozódott. Az általuk kifejlesztett technológiák fizikára alapozott statisztikai módszereket alkalmaztak a komplex rendszerek viselkedésének modellezésére. A fizika törvényeinek használata lehetővé tette számukra, hogy olyan algoritmusokat dolgozzanak ki, amelyek hatékonyan kezelik a nagy adathalmazokat, és képesek tanulni belőlük.
A neurális hálózatok alkalmazásának a gépi tanulás az egyik legfontosabb területe, ahol a rendszerek képesek az adatokból saját maguk ismereteket szerezni. Ez a technológia a mesterséges intelligencia forradalmának egyik kulcsa lett, és olyan területeken használják, mint az automatikus arcfelismerés, a nyelvfeldolgozás vagy az orvosi képalkotás.

Geoffrey Hinton szerepe a díjban szintén elengedhetetlen, őt egyébként az MI keresztapjaként szokás emlegetni. Munkássága lehetővé tette az egyre összetettebb adathalmazok feldolgozását és a mélyebb minták felismerését. Két tanítványával létrehoztak egy neurális hálózatot, mely képes volt arra, hogy „tanuljon”, vagyis visszajelzésekből okulva felismerje, hogy kutyákról, macskákról vagy éppen autókról készült képeket lát-e. Ez a technológia olyan fejlesztéseket tett lehetővé, mint a képfelismerő rendszerek, a nyelvi modellek vagy az önvezető autók. Ez elengedhetetlen lépés volt a ma olyan népszerű, szöveget, képet létrehozó generatív MI-k kialakulásához, mint a ChatGPT vagy a Midjourney.

Fontos megemlíteni, hogy Geoffrey Hinton a múlt évben hagyta ott a Google-t, hogy szabadon beszélhessen a technológia veszélyeiről. Egy hasonlattal élve irányította a figyelmet a technológiai forradalom új kihívásaira. Szerinte ahogyan az ipari forradalom során a nálunk erősebb gépekkel kellett megbarátkoznunk, most a mesterséges intelligencia révén olyan gépekkel kell majd együtt élnünk, amelyek okosabbak nálunk.

A fizikai Nobel-díj odaítélése Hopfield és Hinton munkájáért nemcsak az elmúlt évtizedek eredményeit ismeri el, hanem arra is rámutat, hogy az MI fejlődése szorosan kapcsolódik más tudományterületekhez, például a fizikához. Felfedezéseik révén új eszközöket fejlesztettek ki a bonyolult rendszerek megértéséhez és modellezéséhez, melyek segítik az emberi agy működésének feltárását, és ezzel egyidejűleg az MI lehetőségeit is kibővítik.