Нобелевская неделя продолжается. И ожидаемо неожиданно премия по физике досталась людям, которые сделали возможными нейросети - американец Джон Хопфилд и канадец Джеффри Хинтон.
Вот что пишет сам Нобелевский комитет. Когда мы говорим об искусственном интеллекте, мы часто подразумеваем машинное обучение с использованием искусственных нейронных сетей. Эта технология изначально была вдохновлена структурой мозга. В искусственной нейронной сети нейроны мозга представлены узлами, которые имеют разные значения. Эти узлы влияют друг на друга через связи, которые можно сравнить с синапсами и которые можно сделать сильнее или слабее. Сеть обучается, например, путём развития более сильных связей между узлами с одновременно высокими значениями. Лауреаты этого года проводили важную работу с искусственными нейронными сетями с 1980-х годов.
Джон Хопфилд изобрёл сеть, которая использует метод сохранения и воссоздания узоров. Мы можем представить узлы как пиксели. Сеть Хопфилда использует физику, которая описывает характеристики материала из-за его атомного спина — свойства, которое делает каждый атом крошечным магнитом. Сеть в целом описывается способом, эквивалентным энергии в спиновой системе, найденной в физике, и обучается путём поиска значений для связей между узлами, так что сохраненные изображения имеют низкую энергию. Когда сети Хопфилда подаётся искажённое или неполное изображение, она методично прорабатывает узлы и обновляет их значения, так что энергия сети падает. Таким образом, сеть работает поэтапно, чтобы найти сохранённое изображение, которое больше всего похоже на несовершенное, которое ей подали.
Джеффри Хинтон использовал сеть Хопфилда в качестве основы для новой сети, которая использует другой метод: машину Больцмана. Она может научиться распознавать характерные элементы в заданном типе данных. Хинтон использовал инструменты из статистической физики, науки о системах, построенных из множества схожих компонентов. Машина обучается путём подачи ей примеров, которые с большой вероятностью возникнут при запуске машины. Машину Больцмана можно использовать для классификации изображений или создания новых примеров типа шаблона, на котором она была обучена. Хинтон развил эту работу, помогая инициировать текущее взрывное развитие машинного обучения.
#Нобель #нейросети #ИИ
Вот что пишет сам Нобелевский комитет. Когда мы говорим об искусственном интеллекте, мы часто подразумеваем машинное обучение с использованием искусственных нейронных сетей. Эта технология изначально была вдохновлена структурой мозга. В искусственной нейронной сети нейроны мозга представлены узлами, которые имеют разные значения. Эти узлы влияют друг на друга через связи, которые можно сравнить с синапсами и которые можно сделать сильнее или слабее. Сеть обучается, например, путём развития более сильных связей между узлами с одновременно высокими значениями. Лауреаты этого года проводили важную работу с искусственными нейронными сетями с 1980-х годов.
Джон Хопфилд изобрёл сеть, которая использует метод сохранения и воссоздания узоров. Мы можем представить узлы как пиксели. Сеть Хопфилда использует физику, которая описывает характеристики материала из-за его атомного спина — свойства, которое делает каждый атом крошечным магнитом. Сеть в целом описывается способом, эквивалентным энергии в спиновой системе, найденной в физике, и обучается путём поиска значений для связей между узлами, так что сохраненные изображения имеют низкую энергию. Когда сети Хопфилда подаётся искажённое или неполное изображение, она методично прорабатывает узлы и обновляет их значения, так что энергия сети падает. Таким образом, сеть работает поэтапно, чтобы найти сохранённое изображение, которое больше всего похоже на несовершенное, которое ей подали.
Джеффри Хинтон использовал сеть Хопфилда в качестве основы для новой сети, которая использует другой метод: машину Больцмана. Она может научиться распознавать характерные элементы в заданном типе данных. Хинтон использовал инструменты из статистической физики, науки о системах, построенных из множества схожих компонентов. Машина обучается путём подачи ей примеров, которые с большой вероятностью возникнут при запуске машины. Машину Больцмана можно использовать для классификации изображений или создания новых примеров типа шаблона, на котором она была обучена. Хинтон развил эту работу, помогая инициировать текущее взрывное развитие машинного обучения.
#Нобель #нейросети #ИИ
👍7🏆4❤2🤔2
Итак, Нобелевская премия по химии 2024 года досталась исследователям, которые совершили прорыв в анализе и синтезе белков. В своём релизе Нобелевский комитет образно назвал белки "гениальными химическими инструментами жизни".
И с такой оценкой сложно не согласиться. Белки контролируют и управляют всеми химическими реакциями, выполняют функции гормонов, сигнальных веществ, антител и строительных блоков различных тканей. Обычно белки состоят из 20 аминокислот. Дэвид Бейкер со своей группой сумел использовать аминокислоты для синтеза совершенно новых белков, которых нет в природе. И теперь они находят применение как фармацевтические препараты, вакцины, наноматериалы и даже сенсоры.
Важно отметить, что свойства белков определяются не только составом (последовательностью аминокислот), но и структурой (как белок скручивается в 3-мерном пространстве). Если химический состав учёные научились определять довольно давно, то определение структуры всегда вызывало большие сложности. Поиски длиной полвека закончились в 2020 году, когда Демис Хассабис и Джон Джампер представили модель ИИ под названием AlphaFold2. С её помощью они смогли предсказать структуру практически всех 200 миллионов белков, известных науке. С тех пор этим ИИ воспользовались более двух миллионов человек из 190 стран. И теперь AlphaFold2 помогает понять, например, как устроена резистентность к антибиотикам или какие ферменты могут разлагать пластик.
В общем, как и накануне, Нобелевский комитет отметил исследователей ИИ. Это логично, конечно. Технология, которая на наших глазах меняет науку, инженерию, медицину, образование, финансы, транспорт, реальное производство, - не может оставаться в тени.
Кстати, Демис Хассабис и Джон Джампер - это те же люди, которые стоят за созданием AlphaGo - ИИ, который первым обыграл человека в игру го. Программу создала компания DeepMind, купленная Google. Хассабис - сооснователь DeepMind. И это классный пример того, что научная работа, начавшаяся с игры, может вырасти в революционную технологию.
#Нобель #химия #ИИ #нейросети
И с такой оценкой сложно не согласиться. Белки контролируют и управляют всеми химическими реакциями, выполняют функции гормонов, сигнальных веществ, антител и строительных блоков различных тканей. Обычно белки состоят из 20 аминокислот. Дэвид Бейкер со своей группой сумел использовать аминокислоты для синтеза совершенно новых белков, которых нет в природе. И теперь они находят применение как фармацевтические препараты, вакцины, наноматериалы и даже сенсоры.
Важно отметить, что свойства белков определяются не только составом (последовательностью аминокислот), но и структурой (как белок скручивается в 3-мерном пространстве). Если химический состав учёные научились определять довольно давно, то определение структуры всегда вызывало большие сложности. Поиски длиной полвека закончились в 2020 году, когда Демис Хассабис и Джон Джампер представили модель ИИ под названием AlphaFold2. С её помощью они смогли предсказать структуру практически всех 200 миллионов белков, известных науке. С тех пор этим ИИ воспользовались более двух миллионов человек из 190 стран. И теперь AlphaFold2 помогает понять, например, как устроена резистентность к антибиотикам или какие ферменты могут разлагать пластик.
В общем, как и накануне, Нобелевский комитет отметил исследователей ИИ. Это логично, конечно. Технология, которая на наших глазах меняет науку, инженерию, медицину, образование, финансы, транспорт, реальное производство, - не может оставаться в тени.
Кстати, Демис Хассабис и Джон Джампер - это те же люди, которые стоят за созданием AlphaGo - ИИ, который первым обыграл человека в игру го. Программу создала компания DeepMind, купленная Google. Хассабис - сооснователь DeepMind. И это классный пример того, что научная работа, начавшаяся с игры, может вырасти в революционную технологию.
#Нобель #химия #ИИ #нейросети
💯7❤3👏3👍2🏆1