Deseja receber notificações?
A Academia Real das Ciências da Suécia decidiu atribuir o Prémio Nobel da Física de 2024 a John J. Hopfield (Universidade de Princeton, NJ, EUA) e a Geoffrey E. Hinton (Universidade de Toronto, Canadá), “pelas descobertas e invenções fundamentais que permitem a aprendizagem automática com redes neuronais artificiais”.
Treinaram redes neurais artificiais utilizando a física
Os dois laureados com o Prémio Nobel da Física deste ano utilizaram ferramentas da física para desenvolver métodos que são a base da poderosa aprendizagem automática atual. John Hopfield criou uma memória associativa que pode armazenar e reconstruir imagens e outros tipos de padrões nos dados. Geoffrey Hinton inventou um método capaz de encontrar autonomamente propriedades nos dados e, assim, realizar tarefas como a identificação de elementos específicos em imagens.
Quando falamos de inteligência artificial, referimo-nos frequentemente à aprendizagem automática através de redes neurais artificiais. Esta tecnologia foi originalmente inspirada na estrutura do cérebro. Numa rede neural artificial, os neurónios do cérebro são representados por nós que têm valores diferentes. Estes nós influenciam-se mutuamente através de ligações que podem ser comparadas a sinapses e que podem ser tornadas mais fortes ou mais fracas. A rede é treinada, por exemplo, através do desenvolvimento de ligações mais fortes entre nós com valores simultaneamente elevados. Os laureados deste ano realizaram importantes trabalhos com redes neuronais artificiais a partir da década de 1980.
John Hopfield inventou uma rede que utiliza um método para guardar e recriar padrões. Podemos imaginar os nós como pixéis. A rede de Hopfield utiliza a física que descreve as caraterísticas de um material devido ao seu spin atómico – uma propriedade que faz de cada átomo um pequeno íman. A rede como um todo é descrita de uma forma equivalente à energia no sistema de spin encontrado na física, e é treinada através da procura de valores para as ligações entre os nós, de modo a que as imagens guardadas tenham baixa energia. Quando a rede Hopfield é alimentada com uma imagem distorcida ou incompleta, trabalha metodicamente através dos nós e actualiza os seus valores para que a energia da rede diminua. Assim, a rede trabalha passo a passo para encontrar a imagem guardada que mais se assemelha à imagem imperfeita com que foi alimentada.
Geoffrey Hinton utilizou a rede de Hopfield como base para uma nova rede que utiliza um método diferente: a máquina de Boltzmann. Esta pode aprender a reconhecer elementos caraterísticos num determinado tipo de dados. Hinton utilizou ferramentas da física estatística, a ciência dos sistemas construídos a partir de muitos componentes semelhantes. A máquina é treinada através de exemplos que têm grande probabilidade de surgir quando a máquina está a funcionar. A máquina de Boltzmann pode ser utilizada para classificar imagens ou criar novos exemplos do tipo de padrão para o qual foi treinada. Hinton desenvolveu este trabalho, ajudando a iniciar o atual desenvolvimento explosivo da aprendizagem automática.
“O trabalho dos laureados já trouxe os maiores benefícios. Na física, utilizamos redes neuronais artificiais numa vasta gama de áreas, como o desenvolvimento de novos materiais com propriedades específicas”, afirma Ellen Moons, Presidente do Comité Nobel da Física.
António Piedade
Comunicador de Ciência
