Dobrišek: Nobelova nagrada priznanje pomembnosti strojnega učenja in umetne inteligence
Ljubljana, 8. oktobra - Z Nobelovo nagrado za fiziko na področju strojnega učenja se bo v javnosti vzpostavilo večje zavedanje pomembne povezave med strojnim učenjem in fizikalnimi načeli, ki so v ozadju delovanja naših možganov in uma, gre pa tudi za priznanje naraščajoče pomembnosti strojnega učenja in umetne inteligence, je za STA ocenil profesor Simon Dobrišek.
"Povezava med metodami strojnega učenja in fiziko v bistvu temelji na povezavi med informacijsko entropijo in termodinamično entropijo," je pojasnil Dobrišek, izredni profesor in predstojnik Laboratorija za strojno inteligenco (LMI) na Fakulteti za elektrotehniko na Univerzi v Ljubljani.
"Kljub temu, da omenjeni entropiji na prvi pogled delujeta kot koncepta iz popolnoma različnih znanstvenih disciplin, sta v svojih temeljih povezana," je dodal v razlagi povezave med fiziko in strojnim učenjem.
Z Nobelovo nagrado za fiziko na področju strojnega učenja se bo po njegovi oceni v širši javnosti "vzpostavilo večje zavedanje te pomembne povezave in fizikalnih načel, ki so tudi v ozadju delovanja naših možganov in našega uma".
Dobrišek je pojasnil, da je omenjena povezava med informacijsko in termodinamično entropijo tudi v ozadju konceptov modeliranja umetnih nevronskih omrežij, pri razvoju katerih so bila ključna odkritja letošnjih Nobelovih nagrajencev za fiziko, Geoffreyja E. Hintona in Johna J. Hopfielda.
"S pomočjo nevronskih omrežij se lahko modelira odnose med različnimi čutilnimi zaznavanji stanj, posledično pa tudi različne zmožnosti naših možganov pri vzpostavljanju teh odnosov. To omogoča strojno razpoznavanje mnogih različnih vrst vzorcev, ki smo jih ljudje na podlagi našega vida, sluha in drugih čutil zmožni razpoznati in se nanje potem tudi smiselno odzivati," je dodal.
Po njegovem mnenju so odkritja obeh nagrajencev prispevala tudi k razvoju sodobnih orodij, kot so denimo strojni prevajalniki in sistemi za prepoznavanje obrazov.
"S povečevanjem zmogljivosti današnjih računalniških sistemov in operacij, ki se nanašajo na vse bolj kompleksne modele nevronskih omrežij, je možno izvajati vse bolj zahtevna razpoznavanja vzorcev v slikah, zvočnih posnetkih in drugih podatkih. Ti se lahko potem navezujejo tudi na jezikovne opise," je pojasnil.
Dodal je, da je razpoznavalnike vzorcev možno uporabljati tudi generativno, tovrstne vse bolj zmogljive sisteme pa imenujemo tudi generativna umetna inteligenca.
Dobrišek je ocenil še, da Nobelova nagrada za fiziko za odkritja na področju strojnega učenja pomeni "priznanje naraščajoče pomembnosti strojnega učenja in umetne inteligence, kjer zmožnosti tovrstnih sistemov vse bolj dosegajo in presegajo človeške zmožnosti pri razpoznavanju in tvorjenju različnih vrst vzorcev".
"Nobelova nagrada tako potrjuje vse večji vpliv teh tehnologij na različna področja človekovega delovanja, od industrije do zdravstva in izobraževanja, kjer strojna inteligenca že prispeva k izboljšanju učinkovitosti in kakovosti storitev," je dodal.