Twee wetenschappers, Geoffrey Hinton, emeritus hoogleraar aan de Universiteit van Toronto, en John Hopfield, hoogleraar aan de Princeton Universiteit, zijn vandaag bekroond met de Nobelprijs voor de natuurkunde vanwege hun bijdrage aan de “basis van de huidige krachtige machine learning.”
Volgens het Nobelcomité van de Koninklijke Zweedse Academie voor Wetenschappen hebben hun ontdekkingen en uitvindingen de weg vrijgemaakt voor veel van de recente doorbraken in kunstmatige intelligentie (AI). Sinds de jaren tachtig heeft hun werk de ontwikkeling van kunstmatige neurale netwerken mogelijk gemaakt, een computerarchitectuur die losjes is gemodelleerd naar de structuur van de hersenen.
Door de manier waarop onze hersenen verbindingen maken na te bootsen, stellen neurale netwerken AI-tools in staat om “te leren door voorbeelden.” Ontwikkelaars kunnen een kunstmatig neuraal netwerk trainen om complexe patronen te herkennen door het te voorzien van gegevens, wat de basis vormt voor enkele van de meest bekende toepassingen van AI van vandaag, zoals taalgeneratie en beeldherkenning.
“Ik had dit niet verwacht. Ik ben zeer verrast en ik voel me vereerd om hier deel van uit te maken,” zei een “verbijsterde” Hinton in een persbericht van de Universiteit van Toronto.
Hinton, vaak “De peetvader van AI” genoemd, vertelde vorig jaar aan The New York Times dat “een deel van hem … nu spijt heeft van zijn levenswerk.” Naar verluidt verliet hij zijn positie bij Google in 2023 om aandacht te kunnen vestigen op de mogelijke risico’s van de technologie waaraan hij zelf een belangrijke bijdrage heeft geleverd.
“Het is moeilijk te zien hoe je kunt voorkomen dat kwaadwillenden de technologie voor slechte doeleinden gebruiken,” zei Hinton in het interview met de NYT.
In 2013 kocht Google Hinton’s bedrijf voor neurale netwerken, dat hij samen met twee studenten had opgericht, waaronder Ilya Sutskever, die later hoofdwetenschapper werd bij OpenAI voordat hij dit jaar vertrok.
Het Nobelcomité erkende Hinton voor zijn ontwikkeling van de Boltzmann-machine, een generatief model, samen met collega’s in de jaren tachtig:
Hinton gebruikte gereedschappen uit de statistische fysica, de wetenschap van systemen die zijn opgebouwd uit vele gelijke componenten. De machine wordt getraind door het te voorzien van voorbeelden die zeer waarschijnlijk voorkomen wanneer de machine wordt gebruikt. De Boltzmann-machine kan worden gebruikt om afbeeldingen te classificeren of nieuwe voorbeelden te creëren van het type patroon waarop hij is getraind. Hinton bouwde voort op dit werk en hielp de huidige explosieve ontwikkeling van machine learning in gang te zetten.
Het werk van Hinton bouwt voort op dat van medeprijswinnaar John Hopfield, die het Hopfield-netwerk ontwikkelde, een kunstmatig neuraal netwerk dat patronen kan reproduceren:
Het Hopfield-netwerk maakt gebruik van de fysica die de eigenschappen van een materiaal beschrijft door de atoomspin - een eigenschap die elk atoom een klein magneetje maakt. Het netwerk als geheel wordt beschreven op een manier die equivalent is aan de energie in het spinnensysteem dat in de fysica wordt gevonden, en het wordt getraind door waarden te vinden voor de verbindingen tussen de knooppunten, zodat de opgeslagen afbeeldingen een lage energie hebben. Wanneer het Hopfield-netwerk een vervormde of onvolledige afbeelding krijgt, werkt het stap voor stap door de knooppunten en actualiseert het hun waarden zodat de energie van het netwerk daalt. Het netwerk werkt dus geleidelijk om de opgeslagen afbeelding te vinden die het meest lijkt op de onvolmaakte afbeelding die het heeft ontvangen.
Hinton blijft zijn zorgen over AI uiten, waaronder in een gesprek met journalisten. “We hebben geen ervaring met wat het is om dingen slimmer te hebben dan wijzelf. En dat zal op veel manieren geweldig zijn,” zei hij. “Maar we moeten ons ook zorgen maken over een aantal mogelijke negatieve gevolgen, vooral de dreiging dat deze dingen uit de hand lopen.”