I due premi Nobel per la Fisica di quest’anno hanno utilizzato strumenti della fisica per sviluppare metodi che sono alla base del potente apprendimento automatico e dell’intelligenza artificiale
John Hopfield ha creato una memoria associativa in grado di memorizzare e ricostruire immagini e altri tipi di schemi nei dati. Geoffrey Hinton ha inventato un metodo in grado di trovare autonomamente le proprietà nei dati e di eseguire compiti come l’identificazione di elementi specifici nelle immagini.
Quando si parla di intelligenza artificiale, spesso si intende l’apprendimento automatico tramite reti neurali artificiali. Questa tecnologia è stata originariamente ispirata dalla struttura del cervello. In una rete neurale artificiale, i neuroni del cervello sono rappresentati da nodi che hanno valori diversi. Questi nodi si influenzano a vicenda attraverso connessioni che possono essere paragonate a sinapsi e che possono essere rafforzate o indebolite. La rete viene addestrata, ad esempio sviluppando connessioni più forti tra nodi con valori contemporaneamente elevati. I vincitori di quest’anno hanno svolto un importante lavoro con le reti neurali artificiali a partire dagli anni Ottanta.
John Hopfield ha inventato una rete che utilizza un metodo per salvare e ricreare modelli. Possiamo immaginare i nodi come pixel. La rete di Hopfield utilizza la fisica che descrive le caratteristiche di un materiale grazie al suo spin atomico, una proprietà che rende ogni atomo un piccolo magnete. La rete nel suo complesso è descritta in modo equivalente all’energia del sistema di spin presente in fisica e viene addestrata trovando valori per le connessioni tra i nodi in modo che le immagini salvate abbiano una bassa energia. Quando la rete Hopfield riceve un’immagine distorta o incompleta, lavora metodicamente attraverso i nodi e aggiorna i loro valori in modo che l’energia della rete diminuisca. La rete lavora quindi in modo graduale per trovare l’immagine salvata più simile a quella imperfetta con cui è stata alimentata.
Geoffrey Hinton ha utilizzato la rete Hopfield come base per una nuova rete che utilizza un metodo diverso: la macchina di Boltzmann. Questa può imparare a riconoscere elementi caratteristici in un dato tipo di dati. Hinton ha utilizzato strumenti della fisica statistica, la scienza dei sistemi costruiti a partire da molti componenti simili. La macchina viene addestrata fornendo esempi che hanno una grande probabilità di verificarsi quando la macchina viene fatta funzionare. La macchina di Boltzmann può essere utilizzata per classificare immagini o creare nuovi esempi del tipo di modello su cui è stata addestrata. Hinton ha fatto tesoro di questo lavoro, contribuendo a dare il via all’attuale sviluppo esplosivo dell’apprendimento automatico.
“Il lavoro dei vincitori del Nobel per la fisica ha già dato i suoi frutti. In fisica utilizziamo le reti neurali artificiali in una vasta gamma di settori, come lo sviluppo di nuovi materiali con proprietà specifiche”, afferma Ellen Moons, presidente del Comitato Nobel per la Fisica.
