Tegoroczni laureaci Nagrody Nobla z fizyki, John Hopfield i Geoffrey Hinton, rozwinęli metody, które dziś stanowią podstawę uczenia się sztucznych sieci neuronowych. Dzięki temu możliwa jest m.in. szybsza analiza bądź przetwarzanie nawet ogromnych zbiorów danych, co ma szczególne zastosowanie w medycynie, fizyce i inżynierii materiałowej.

Prof. Tomasz Trzciński, lider grupy badawczej „Uczenie maszynowe zero-waste w wizji komputerowej” w IDEAS NCBR, powiedział PAP, że ucieszył się na wieść o tym, kto otrzymał w tym roku Nagrodę Nobla z fizyki.

"To zapewne pierwsza tak ważna nagroda dla osób związanych z uczeniem maszynowym. Geoff Hinton jest uznawany za jednego z twórców najczęściej wykorzystywanych dziś modeli uczenia maszynowego, czyli głębokich sztucznych sieci neuronowych, w szczególności metod pozwalających na ich wykorzystanie i trenowanie, takich jak propagacja wsteczna czy mikstury ekspertów. Przyznanie Hintonowi nagrody Nobla jest dowodem na to, jak ważne są dzisiaj badania and sztuczną inteligencją i jak duży mają wpływ na świat, w którym żyjemy" - podkreślił.

Profesor wyjaśnił, że propagacja wsteczna to metoda pozwalająca sieci uczyć się na własnych błędach: "jeśli model pokazuje coś bardzo niezgodnego z oczekiwaniami, to informacja o tym błędzie jest +propagowana wstecznie+ przez całą sieć, co pozwala jej parametrom naprawić to".

Z kolei mikstury ekspertów to "metoda, która dzieli sieć na mniejsze moduły - tzw. ekspertów - i w trakcie działania modelu korzysta tylko z ich zestawu, a nie z całej sieci". "Można to porównać do rady mędrców, w której siedzą ludzie o różnych kompetencjach i odpowiadają na zadane pytanie, jeśli dotyczy zagadnienia, na którym się znają" - powiedział badacz.

Prof. dr hab. inż. Tomasz Trzciński kieruje pracami zespołu zajmującego się widzeniem maszynowym CVLab na Politechnice Warszawskiej. Jest liderem grupy badawczej w IDEAS NCBR. Jego zainteresowania naukowe skupiają się wokół takich tematów jak widzenie maszynowe, uczenie maszynowe i tzw. uczenie reprezentacji.(PAP)

Nauka w Polsce

bar/ wus/