به گزارش تینو، سایت رسمی انجمن فیزیک آمریکا درباره رویه خاصی که برندگان جایزه نوبل 2024 را شایسته دریافت جایزه نوبل کرد، نوشت: برخی از فرآیندهای مغز مانند ادراک و طبقه بندی را می توان به عنوان برهمکنش های عصبی نشان داد یا “گره ها” در شبکه را می توان بر روی آنها طراحی کرد آنها بسیار به هم مرتبط هستند. این رویکرد الهام گرفته از فیزیک برای یادگیری انسان، شایسته دریافت جایزه نوبل فیزیک 2024 شناخته شده است.
جان هاپفیلد از دانشگاه پرینستون و جفری هینتون از دانشگاه تورنتو جایزه امسال را برای کار خود در زمینه شبکه‌های عصبی مصنوعی، که اساس بسیاری از فناوری‌های هوش مصنوعی مانند سیستم‌های تشخیص چهره و چت‌بات‌ها را تشکیل می‌دهند، به اشتراک گذاشتند.
شبکه‌های عصبی به مجموعه‌ای از الگوریتم‌های هوش مصنوعی تبدیل شده‌اند که چهره‌ها را تشخیص می‌دهند، ماشین‌ها را می‌رانند، سرطان را تشخیص می‌دهند، موسیقی می‌سازند و مکالمه را ادامه می‌دهند.
شبکه عصبی مصنوعی مجموعه‌ای از گره‌ها است که هر کدام دارای مقداری هستند که به مقادیر گره‌هایی که به آنها متصل است بستگی دارد. در اوایل دهه 1980، هاپفیلد نشان داد که این شبکه‌ها می‌توانند دارای نوعی حافظه باشند که قادر به تشخیص تصاویر از طریق فرآیند به حداقل رساندن انرژی است. با تکیه بر این کار، هینتون نشان داد که چگونه کوپلینگ‌های بین گره‌ها را می‌توان برای انجام وظایف خاصی مانند مرتب‌سازی یا طبقه‌بندی داده‌ها پیکربندی کرد. در مجموع، دستاوردهای این فیزیکدانان راه را برای انقلاب یادگیری ماشین امروزی هموار کردند.
جفری هینتون در کنفرانس مطبوعاتی جایزه نوبل در پاسخ به سوالی در مورد تأثیر هوش مصنوعی در آینده گفت: «این تأثیر شگفت انگیزی خواهد داشت که با تأثیر انقلاب صنعتی قابل مقایسه است». او معتقد است که این تأثیر در برخی از زمینه‌ها مانند مراقبت‌های بهداشتی مورد استقبال قرار خواهد گرفت، اما از احتمال تسخیر هوش مصنوعی بر زندگی ما ابراز نگرانی کرد.
نورون‌های مغز از طریق سیناپس‌ها با یکدیگر ارتباط برقرار می‌کنند و تعداد سیناپس‌های متصل به هر نورون از یک مشت تا چند هزار متغیر است. بر اساس گزارش انجمن فیزیک ایران، مطالعات اولیه در دهه 1940 نشان داد که فعالیت تحریکی یک نورون خاص – تکانه های الکتریکی که تولید می کند – به ورودی هایی که از نورون های متصل دریافت می کند بستگی دارد. علاوه بر این، نورون‌های متصل که به طور همزمان تحریک می‌شوند، می‌توانند ارتباطات قوی‌تری ایجاد کنند که در نهایت منجر به حافظه‌هایی می‌شود که در نقاط قوت سیناپسی متناظر کدگذاری می‌شوند.
