Лауреатами Нобелевской премии по физике за 2024 год стали американец Джон Хопфилд и британско-канадский ученый Джеффри Хинтон за «открытия и изобретения, которые сделали возможным машинное обучение с использованием искусственных нейросетей». Шведская королевская академия наук отмечает заслуги ученых в разработке методов, которые стали основой современного машинного обучения. Как отметили в Нобелевском комитете, нейросети используются в физике в широком спектре приложений, включая разработку новых материалов с определенными свойствами. Хопфилд изобрел ассоциативную нейронную сеть, которая может хранить и восстанавливать изображения. Хинтон, праправнук легендарного английского логика Джорджа Буля, разработал метод автономного поиска тех или иных свойств в базах данных, позволяющий, в частности, решать задачи, подобные идентификации определенных элементов в изображениях. Хинтон использовал сеть Хопфилда в качестве основы для своей сети. Она получила название «Машина Больцмана» — в честь австрийского физика, одного из создателей статистической физики — раздела физики о системах, построенных из множества похожих компонентов. Как и сеть Хопфилда, машина Больцмана является сетью нейронов с определенным для нее понятием «энергии». Она оказалась первой нейронной сетью, способной обучаться внутренним представлениям, решать сложные комбинаторные задачи. Машину Больцмана, способную научиться распознавать характерные элементы в заданных выборках, можно использовать для классификации изображений.
Работы в области ИИ оказались отмечены и «Нобелевкой» по химии. Премию за 2024 год присудили за прорывные исследования структуры белков. Лауреатами стали Дэвид Бейкер, профессор в Вашингтонском университете в Сиэтле, — «за вычислительный дизайн белков», а также Демис Хассабис и Джон Джампер, генеральный директор и старший научный сотрудник дочерней компании Google — Google DeepMind — «за предсказание структуры белков». Хассабис и Джампер разработали ИИ-модель для решения проблемы, сформулированной порядка 50 лет назад, — предсказания сложных структур белков. Модель под названием AlphaFold2 смогла предсказать структуру практически всех 200 млн белков, которые идентифицировали исследователи. Она в том числе помогает лучше понимать устойчивость к антибиотикам и создавать изображения ферментов, которые могут разлагать пластик.
