John Hopfield und Geoffrey Hinton

Physik-Nobelpreis geht an Wegbereiter für maschinelles Lernen

Uhr
von Gayathri Albert und cka

Die Royal Swedish Academy of Sciences hat den diesjährigen Nobelpreis für Physik an John Hopfield und Geoffrey Hinton verliehen. Beide Preisträger setzten Werkzeuge der Physik ein, um die Grundlage für maschinelles Lernen mit neuronalen Netzen zu bilden.

(Source: pch.vector/Freepik.com)
(Source: pch.vector/Freepik.com)

John Hopfield und Geoffrey Hinton haben den diesjährigen Nobelpreis für Physik erhalten. Die beiden Wissenschaftler nutzen Werkzeuge der Physik, um Methoden zu entwickeln, die die Grundlage für die heutigen leistungsstarken maschinellen Lernverfahren bilden. Dies schreibt die Royal Swedish Academy of Sciences in einer Pressemitteilung. Der Preis ist mit 11 Millionen schwedischen Kronen dotiert, die zu gleichen Teilen aufgeteilt werden.

Beide Wissenschaftler führten seit den 1980er Jahren wichtige Arbeiten mit künstlichen neuronalen Netzen durch. John Hopfield erfand das nach ihm benannte Netzwerk, das Muster speichern und wiederherstellen kann. Das Netzwerk als Ganzes wird in einer Weise beschrieben, die der Energie in einem Spinsystem der Physik entspricht. Es versucht, die Werte für die Verbindungen zwischen Knoten so zu wählen, sodass die gespeicherten Bilder eine geringe Energie aufweisen. Füttert man einem Hopfield-Netzwerk ein verzerrtes oder unvollständiges Bild, arbeitet es schrittweise, um das gespeicherte Bild zu finden, das dem unvollkommenen Bild am ähnlichsten ist.

Die Pressekonferenz, an der die beiden Preisträger John Hopfield und Geoffrey Hinton bekannt gegeben wurden. Ganz links: Ellen Moons, Vorsitzende des Nobelkomitees für Physik. (Source: zVg)

Die Pressekonferenz, an der die beiden Preisträger John Hopfield und Geoffrey Hinton bekanntgegeben wurden. Ganz links: Ellen Moons, Vorsitzende des Nobelkomitees für Physik. (Source: zVg)

Geoffrey Hinton entwickelte seine "Boltzmann-Maschine" auf der Grundlage des Hopfield-Netzwerks auf. Diese Maschine kann lernen, charakteristische Elemente in einer bestimmten Art von Daten zu erkennen. Sie kann etwa Bilder klassifizieren oder neue Beispiele anhand eines Musters erzeugen, auf dem sie trainiert wurde. Hinton baute auf dieser Arbeit auf und trug damit zur aktuellen explosiven Entwicklung des maschinellen Lernens bei, heisst es in der Mitteilung.

"Die Arbeit der Preisträger war bereits von grösstem Nutzen. In der Physik nutzen wir künstliche neuronale Netze in einer Vielzahl von Bereichen, etwa bei der Entwicklung neuer Materialien mit spezifischen Eigenschaften", sagt Ellen Moons, Vorsitzende des Nobelkomitees für Physik.
 

Das könnte Sie auch interessieren: Forschende von Google kombinieren physikalische Zirkulationsmodelle mit Künstlicher Intelligenz, um Wettervorhersagen präziser, schneller und kostengünstiger zu gestalten. Mehr dazu lesen Sie hier.

Webcode
Kns2vCyd