Den amerikanske videnskabsmand John Hopfield og hans britisk-canadiske kollega Geoffrey Hinton, kendt som “the godfather of AI”, er blevet tildelt Nobelprisen for Fysik 2024 for deres grundlæggende arbejde med maskinlæring og kunstige neurale netværk.

"Dette års to nobelprismodtagere i fysik har anvendt værktøjer fra feltet til at udvikle metoder, der er grundlaget for den kraftfulde maskinlæring, vi har i dag", skriver akademiet på deres officielle X-konto.

"De har vist os en helt ny måde at bruge computere til at hjælpe mennesket med at tackle mange af de store udfordringer, vores samfund står over for”.

Det Kongelige Svenske Videnskabsakademi roste ved annonceringen af ​​prisen begge mænd for deres "transformative bidrag ", der har gjort det muligt for maskinlæring at behandle enorme mængder af data samt evnen til at træffe beslutninger som den menneskelige hjerne.

Hvem er de to prismodtagere?

John Hopfield, 91, er professor emeritus ved Princeton University og er kendt for at have udviklet det såkaldte Hopfield-netværk i 1980’erne, ved hjælp af fysikkens principper.

Hans arbejde har været afgørende for at forstå, hvordan neurale netværk kan simulere hukommelse og læringsprocesser.

Britisk-fødte Geoffrey Hinton, 76, er professor emeritus ved University of Toronto. I 2023 skabte hans exit fra Google internationale overskrifter. Han opsagde sin stilling hos tech-giganten efter at have bemærket, at computere havde evnen til at blive klogere end mennesker og at dette kunne ske langt tidligere, end han og andre eksperter havde forventet.

Hinton, der er datalog og kognitionspsykolog, opfandt en metode, der gjorde det muligt autonomt at behandle dataegenskaber og udføre opgaver som identifikationsanalyse af billeder.

"Jeg er forbløffet og havde ingen anelse om, at det kunne ske", udtalte Hinton til journalister, da han blev spurgt, hvordan han havde det med at blive nobelprismodtager.

"Dette [videnskabelige gennembrud, red.] kan sammenlignes med den industrielle revolution. Maskinlæring vil overgå mennesker hvad angår intellektuel kapacitet”, tilføjede han.

Selvom Hinton fremhævede de mange fordele ved teknologien, heriblandt inden for områder som sundhed og arbejdsproduktivitet, understregede han også den potentielle fare, herunder situationer, hvor maskinlæringen ikke længere kan holdes under kontrol.

Effekten af ​​deres arbejde

Hopfield og Hintons bedrifter og bidrag til forskningen bevæger sig udover den teoretiske verden og ind i den praktiske og almindelige hverdag.

Hopfield-netværket spillede en central rolle i at demonstrere, hvordan neurale netværk kunne efterligne hjernens måde at behandle og lagre information på.

Hinton udvidede Hopfield-netværket med den såkaldte Boltzmann-maskine, der kan genkende karakteristiske elementer i data ved brug af statistisk mekanik. Denne maskine kan trænes ved at fodre den med eksempler , der kan dukke op under en bestemt operation.

Den kan klassificere billeder eller generere nye eksempler med udgangspunkt i dens træning, hvilket spiller en stor rolle i udviklingen af ​​maskinlæring.

Dette teoretiske gennembrud har lagt fundamentet for fremtidigt arbejde inden for kunstig intelligens, som gør det muligt for maskiner at simulere læring og hukommelse.

Hintons arbejde med såkaldt “backpropagation” har revolutioneret den måde, ​​neurale netværk bliver trænet, hvilket gør det muligt for systemer at forbedre sig selv, ved at lære af sine fejl.

Denne metode er afgørende for den måde, aktuelle systemer inden for dyb læring ​​arbejder, hvilket er fundamentet for teknologier som talegenkendelse, datamatsyn og Natural Language Processing (NLP).

Uden backpropagation ville neurale netværk have svært ved at forbedre nøjagtigheden og kompleksiteten og dermed være i stand til at udføre de sofistikerede opgaver, de er i stand til i dag.

Fremgangen i teknologier som stemmegenkendelsessystemer og medicinske diagnostiske værktøjer udgør kernen i AI-revolutionen.

Nobelpris-komitéen har også fremhævet disse fremskridt inden for AI og hvordan de kan effektivisere sortering og analyse af store datasæt i forskellige sektorer.

"Maskinlæring baseret på kunstige neurale netværk revolutionerer i øjeblikket videnskaben og hverdagen”, har udvalget sagt.

Globale bekymringer

Komitéen anerkendte dog også de udbredte globale bekymringer omkring maskinlæring og kunstig intelligens.

"Mens maskinlæring bringer enorme fordele med sig, har den hurtige udvikling også givet anledning til bekymring omkring vores fremtid", lød det fra Ellen Moons , formand for Nobelpris-komitéen for Fysik.

"Tilsammen bærer mennesker ansvaret for at bruge denne nye teknologi på en sikker og etisk måde, som er til fordel for menneskeheden", tilføjede hun.

Hinton har mere end en gang handlet på disse bekymringer, heriblandt hans exit fra Google. Siden har han talt højt og åbent om de risici, der er forbundet med den teknologi, han var med til at udvikle, herunder faren for, at ”tingene kan køre helt af sporet”.

På trods af disse bekymringer og advarsler har han dog udtalt, at han ikke ville have gjort det anderledes.

Nobelprisen er bredt anset på verdensplan for at være den højeste pris for fysikere, og uddeles også inden for andre videnskabelige discipliner samt områder inden for fredsbygning og litteratur.

Prisen blev indstiftet gennem Alfred Nobels testamente og indeholder også en præmiesum på 1,1 millioner dollars, som deles af to prismodtagere.

Prisen for Fysik er anden Nobel-uddeling i denne uge, efter prisen i medicin blev tildelt to amerikanske forskere, Victor Ambros og Gary Ruvkun, for deres opdagelse af mikroRNA og dets rolle i genregulering.