Королевская шведская академия наук совместно присудила Нобелевскую премию по физике 2024 года Джону Дж. Хопфилду и Джеффри Э. Хинтону — за исследования, проведённые в 1980-е годы и составляющие алгоритмическую инфраструктуру нынешних систем машинного обучения.
Источник: nobelprize.org
Простыми словами
Нобелевская премия по физике 2024 года достаётся двум исследователям, которые позаимствовали инструменты физики, чтобы заставить машины обрабатывать информацию. Джон Хопфилд отталкивался от поведения атомных спинов: его сеть "скатывается" в состояние с наименьшей энергией, как шарик, скатывающийся на дно чаши, — и это позволяет ей восстановить изображение по повреждённой версии. Джеффри Хинтон добавил долю случайности из статистической физики: его машина Больцмана сама находит мотивы, которые повторяются в больших массивах данных. Именно эти две идеи 1980-х годов, а вовсе не какой-либо недавний результат, образуют первый слой того, что сегодня называют глубоким обучением.
Премия вкратце
| Параметр | Значение |
|---|---|
| Награда | Нобелевская премия по физике 2024 года |
| Учреждение | Королевская шведская академия наук |
| Присуждение | Совместное |
| Лауреаты | Джон Дж. Хопфилд и Джеффри Э. Хинтон |
| Период работ | 1980-е годы |
| Основание | Использование законов физики для моделирования обработки информации |
| Вклад Хопфилда | Сеть Хопфилда, опирающаяся на физику атомных спинов |
| Вклад Хинтона | Машина Больцмана, опирающаяся на вероятностную физику (статистическую механику) |
| Охват | Алгоритмическая инфраструктура нынешних систем машинного обучения |
| Первоисточник | Официальный пресс-релиз, NobelPrize.org |
Два вклада
1. Сеть Хопфилда — память как минимизация энергии. Джон Хопфилд задумал модель, ныне называемую сетью Хопфилда, основанную на физике атомных спинов и предназначенную для ассоциативного восстановления данных. Воспроизводя минимизацию энергии в сложных физических системах, такие "нейронные сети" исправляют искажения на изображениях.
2. Машина Больцмана — вероятностная физика на службе признаков. Опираясь на эти работы, Джеффри Хинтон привлёк вероятностную физику (статистическую механику) и создал то, что называют машиной Больцмана. Эта система позволяет самостоятельно выявлять отдельные структурные признаки внутри больших объёмов данных — например, характерные элементы на изображениях — и стала первым слоем, ведущим к дисциплине "Deep Learning" (глубокое обучение) в том виде, в каком её использует современная информатика.
Две модели лицом к лицу
| Критерий | Сеть Хопфилда | Машина Больцмана |
|---|---|---|
| Автор | Джон Дж. Хопфилд | Джеффри Э. Хинтон |
| Задействованная физика | Физика атомных спинов | Вероятностная физика (статистическая механика) |
| Принцип | Минимизация энергии в сложных физических системах | Самостоятельное выявление структурных признаков |
| Показанное применение | Ассоциативное восстановление данных, исправление искажений на изображениях | Обнаружение характерных элементов внутри больших объёмов данных, например на изображениях |
| Преемственность | Отправная точка | Опирается на работы Хопфилда; первый слой "Deep Learning" |
Причинная цепочка
Физика атомных спинов и статистическая механика → модель Хопфилда (1980-е годы), воспроизводящая минимизацию энергии → ассоциативное восстановление и исправление искажений на изображениях → привлечение вероятностной физики Хинтоном → машина Больцмана и самостоятельное выявление признаков → первый слой "Deep Learning" → алгоритмическая инфраструктура нынешних систем машинного обучения → Нобелевская премия по физике 2024 года, присуждённая совместно Королевской шведской академией наук.
Источники
Ссылки, проверенные в ходе фактологического аудита в августе 2026 года: именно с этими
страницами сверялись утверждения настоящего бюллетеня.