Fot. Adobe Stock
Prof. Barbara Piętka, komentując Nobla za badania nad sztucznymi sieciami neuronowymi, zwraca uwagę na fundamentalne znaczenie pracy noblistów i jej wpływ na rozwój współczesnej sztucznej inteligencji oraz praktyczne aplikacje, które kształtują rzeczywistość i przyszłość.
Tegoroczni laureaci Nagrody Nobla z fizyki, John Hopfield i Geoffrey Hinton, rozwinęli metody, które dziś stanowią podstawę uczenia się sztucznych sieci neuronowych. Dzięki temu możliwa jest m.in. szybsza analiza, bądź przetwarzanie nawet ogromnych zbiorów danych, co ma szczególne zastosowanie w dziedzinach takich, jak medycyna, fizyka czy inżynieria materiałowa.
Barbara Piętka, prof. Uniwersytetu Warszawskiego, podsumowała w rozmowie z PAP, że rozwiązania, nad którymi pracowali Hopfield i Hinton, to algorytmy uczenia maszynowego, które stanowią fundament sztucznych sieci neuronowych. A to jest podstawowym elementem sztucznej inteligencji, z której na co dzień korzystamy. „Dział, którym zajmowali się nobliści, pokazuje, jak można przetwarzać informacje w inny sposób niż dotychczas” – wskazała.
Rozwiązania z zakresu AI stosowane są choćby w asystentach na smartfonie, mapach wskazujących trasę, translatorach internetowych, dużych modelach językowych takich jak ChatGPT czy generatorach obrazów AI.
„To jest ten moment w historii, kiedy możemy zobaczyć, że pierwsze pomysły noblistów nie tylko znajdują realne zastosowanie, ale też globalnie zmieniają rzeczywistość” – powiedziała prof. Piętka. I dodała, że świat, w którym żyjemy, jest zdefiniowany przez nowe możliwości, jakie dają modele neuronowe. „Sztuczne sieci neuronowe dotykają życia każdego człowieka, kompletnie zmienią naszą przyszłość” – oceniła.
„Na FUW zajmujemy się implementacją dokładnie tych algorytmów opisanych przez noblistów – a więc sieci neuronowych – ale na fotonach. Budujemy więc sztuczne neurony działające na platformie fotonicznej. Fotony procesują informacje zgodnie ze ścieżkami wytyczonymi w dziedzinie uczenia maszynowego” – opowiada ekspertka.
Jej zdaniem podstawowa algorytmika zaproponowana przez Hopfielda i Hintona jest stosunkowo prosta, co oznacza, że każdy może spróbować zrozumieć działanie sieci neuronowych i wdrożyć je samodzielnie, np. w warunkach domowych. „Wystarczy kilka podstawowych układów, żeby nauczyć się, jak działają sieci neuronowe” – zauważa badaczka. I zachęca do eksperymentowania i uczenia się, jak działa sztuczna inteligencja, by lepiej zrozumieć jej funkcjonowanie. (PAP)
Nauka w Polsce, Ludwika Tomala
lt/ zan/ ktl/
