Hai nhà khoa học John J. Hopfield và Geoffrey E. Hinton đã được trao giải Nobel vật lý năm nay, giải thưởng này được công bố ngày 8-10 tại Viện hàn lâm Khoa học Thụy Điển ở Stockholm, Thụy Điển - Ảnh: Reuters
Số tiền giải thưởng là 11 triệu krona Thụy Điển tương đương với hơn 1 triệu USD sẽ được chia đều cho hai người đoạt giải.
Hai nhà khoa học đã sử dụng các công cụ của vật lý để phát triển các phương pháp là nền tảng của ngành học máy đang được ứng dụng sâu rộng trong nhiều lĩnh vực của đời sống hiện nay.
Giúp máy tính "nhớ" và "học" từ dữ liệu
Nếu như ông John Hopfield đã tạo ra một bộ nhớ liên kết cho phép lưu trữ và tái tạo hình ảnh và các loại dữ liệu khác, thì ông Geoffrey Hinton lại phát minh ra một phương pháp giúp tự động tìm ra các đặc điểm của dữ liệu, từ đó có thể thực hiện các nhiệm vụ như xác định các thành phần xác định trong ảnh.
Khi nói về trí tuệ nhân tạo (AI), chúng ta thường nghĩ đến học máy sử dụng mạng nơron thần kinh nhân tạo. Công nghệ này ban đầu được lấy cảm hứng từ cấu trúc của bộ não con người.
Trong mạng nơron thần kinh nhân tạo, các nơron của bộ não được biểu diễn bằng các nốt (node) mạng có giá trị khác nhau. Các nốt mạng này tác động lẫn nhau thông qua các kết nối có thể ví như các khớp thần kinh và được làm mạnh hơn hoặc yếu đi.
Mạng này được đào tạo trước khi đưa vào sử dụng, chẳng hạn phát triển để các kết nối giữa các nốt mạng trở nên mạnh hơn. Hai nhà khoa học đoạt giải Nobel năm nay đã thực hiện những công trình nghiên cứu quan trọng về mạng nơron nhân tạo kể từ những năm 1980.
GS. John Hopfield đã phát minh ra mạng sử dụng phương pháp lưu và tái tạo mẫu. Chúng ta có thể tưởng tượng các nốt mạng như các điểm ảnh. Mạng Hopfield sử dụng vật lý mô tả các đặc điểm của vật liệu do spin nguyên tử tạo ra - spin là đặc tính làm cho mỗi nguyên tử trở thành một nam châm nhỏ.
Toàn bộ mạng được mô tả như năng lượng của hệ spin trong vật lý và được đào tạo bằng cách tìm giá trị cho các kết nối giữa các nốt để hình ảnh đã lưu có năng lượng thấp. Khi một hình ảnh méo mó hoặc không đầy đủ được đưa vào mạng Hopfield, nó sẽ hoạt động qua các nốt, cập nhật giá trị kết nối giữa chúng để năng lượng của mạng giảm xuống.
Cứ như vậy, mạng hoạt động từng bước để tìm hình ảnh giống nhất với hình ảnh được đưa vào.
Mạng Hopfield là một trong những bước đầu tiên giúp máy tính học cách tái tạo thông tin từ các dữ liệu không hoàn chỉnh hoặc bị nhiễu, đặt nền móng cho việc xử lý và nhận diện hình ảnh trong AI hiện đại.
Tương đương với cách mạng công nghiệp
GS Geoffrey Hinton đã sử dụng mạng Hopfield làm cơ sở cho một mạng mới sử dụng phương pháp khác, gọi là máy Boltzmann. Mạng này có thể học cách nhận dạng các yếu tố đặc trưng của một loại dữ liệu nhất định.
GS Hinton đã sử dụng các công cụ từ vật lý thống kê. Mạng được đào tạo với các mẫu thực tế. Máy Boltzmann có thể được dùng để phân loại hình ảnh hoặc tạo ra các mẫu mới kiểu như mẫu mà nó dùng khi đào tạo. Dựa trên công trình này, Hinton đã xây dựng và góp phần khởi xướng sự phát triển bùng nổ hiện nay của ngành học máy.
Phát minh và khám phá của giải Nobel vật lý năm nay là cơ sở cho những ứng dụng như ChatGPT và một lần nữa khẳng định rằng cũng như phát minh World Wide Web trong lĩnh vực vật lý năng lượng cao, các nghiên cứu vật lý có thể đem lại những phát minh hữu dụng, có ứng dụng rộng rãi trong đời sống. Thành viên Ủy ban Nobel cho biết: "Học máy dựa trên mạng nơron nhân tạo hiện đang cách mạng hóa khoa học, kỹ thuật và cuộc sống hằng ngày".
Ngày 8-10, khi trả lời báo chí qua điện thoại trong buổi họp báo thông tin về giải thưởng Nobel 2024, ông Hinton cũng chia sẻ nhận định về AI: "Nó sẽ tương đương với cuộc cách mạng công nghiệp. Nhưng thay vì vượt trội hơn con người về sức mạnh thể chất, nó sẽ vượt trội hơn con người về khả năng trí tuệ".
● GS.TS John J. Hopfield sinh năm 1933 tại Chicago, Mỹ, nhận bằng tiến sĩ từ Đại học Cornell vào năm 1958, hiện là giáo sư tại Đại học Princeton.
● GS.TS Geoffrey E. Hinton sinh năm 1947 tại London, Vương quốc Anh, nhận bằng tiến sĩ từ Đại học Edinburgh vào năm 1978, hiện là giáo sư tại Đại học Toronto, Canada.