פרופ' ג'ון הופפילד ופרופ' ג'פרי הינטון, זוכי פרס נובל בפיזיקה לשנת 2024 / צילום: Ill. Niklas Elmehed © Nobel Prize Outreach
פרופ' ג'ון הופפילד מאוניברסיטת פרינסטון בארה"ב ופרופ' ג'פרי הינטון מאוניברסיטת טורונטו בקנדה הם הזוכים בפרס הנובל בפיזיקה לשנת 2024, עבור גילויים והמצאות המאפשרים למידת מכונה באמצעות רשתות נוירונים מלאכותיות.
● בזכות מחקר גנטי פורץ דרך: אלה זוכי פרס נובל לפיזיולוגיה ורפואה
● רגע לפני הנובל: החוקרים שעולם המדע מהמר עליהם
אין ספק כי הבינה המלאכותית היא פריצת הדרך המדעית של השנים האחרונות, ובכל זאת זהו פרס מפתיע, שכן רשתות נוירונים נחשבות לחלק מעולם המחשוב, ולא הפיזיקה. אולם ועדת הפרס הסבירה כי החוקרים הללו אפשרו ליצור רשתות נוירונים מלאכותיות באמצעות פיזיקה, באופן שהעמיד את הבסיס ליכולות הבינה המלאכותית של היום.
הופפילד היה הראשון ליצור זיכרון מלאכותי אשר יכול לאגור וליצור מחדש תמונות ודפוסים נוספים בתוך מידע. הינטון המציא כלים שיכולים להשלים פערים במידע וכך למשל לזהות אלמנטים ספציפיים בתמונות.
השראה ממחקר האטומים
ועדת הפרס מסבירה כי מקורה של הבינה המלאכותית במחקרים שנועדו תחילה להבין כיצד מידע מעובד במוח האנושי, ואיזו מתמטיקה עומדת בבסיס היכולות של המוח. מדען המוח דונלד הב היה הראשון לשער כי למידה מתרחשת כאשר הקשר בין תאי עצב מתחזק, וזה היה המפתח למודלים מתמטיים ראשונים של המוח, ואחר-כך ניסיונות לשחזר מודלים בסביבה ממוחשבת.
ההשערה של הב הובילה לרעיון כי במקום להסביר למחשב בדיוק איך לעבד מידע, כפי שעושים בתוכנה "רגילה", ניתן לאמן אותו בעיבוד מידע, על-ידי הצגת מידע לרשת - ואז על-ידי חיזוק הקשרים בין הנוירונים כאשר הרשת לומדת מידע נכון, והחלשתם מול מידע לא נכון, כפי שאנחנו משערים שקורה במוח האנושי.
בשנות ה-60 כמה כישלונות של המודלים התאורטיים הללו כיבו את העניין בנושא, אך הוא שב למרכז הבמה בשנות ה-1980, בין היתר בזכות פריצות דרך שהשיגו החוקרים שזכו בפרס היום.
פרופ' הופפילד הצליח לבנות באותה תקופה רשת שלמדה דפוסים, למשל מילים דומות או תמונות דומות, וכאשר הוצגה לה תמונה מעוותת, הצליחה להשתמש במאגרי התמונות הקיימים אצלה כדי לשחזר את התמונה.
ההשראה של הופפילד לא הגיעה רק מן המוח, אלא גם מהמחקר שלו בפיזיקה לגבי חומרים מגנטיים, שיש להם מאפיינים ייחודיים הודות לספין האטומי שלהם. לכל אטום יש ספין משלו, ואלה משפיעים על האטומים השכנים, כך שהמאפיינים של כל האטומים יחד משפיעים אלה על אלה. את המודלים שמתארים את ההשפעות הללו יישם הופפילד כדי לתאר רשת של נוירונים המשפיעים האחד על השני.
"סנדק הבינה המלאכותית"
המודל של הופפילד דומה לזיכרון של המוח, אך הינטון לקח את התחום צעד נוסף כאשר איפשר לרשת הנוירונים שלו לפענח את משמעותן של תמונות. ילדים קטנים מאוד כבר יכולים לומר אם הם רואים תמונה של כלב, חתול או סנאי, גם אם אף אחד מעולם לא תיאר להם מהם המאפיינים המבדילים כלב מחתול או סנאי, אלא רק מצפיה בדוגמאות (וגם לא המון דוגמאות).
הינטון השתמש ברשת של הופפילד כנקודת מוצא, והרחיב אותה תוך שימוש ברעיונות מפיזיקה סטטיסטית, סוג הפיזיקה העוקב למשל אחרי התנהגות של גז. אי-אפשר לתאר את ההתנהגות של כל מולקולת גז כדי לתאר את ההתנהגות של הגז, אבל אפשר לתאר את ההסתברות להתנהגויות השונות של המולקולות, ואז להסיק מכך מסקנה קולקטיבית. כך גם לגבי הרשת - אי-אפשר לדעת איך יתנהג כל נוירון, אבל אפשר לתאר את ההתנהגות שלה באופן סטטיסטי.
הרעיונות הללו עמדו כאמור בבסיס הרשתות שהורחבו ושופרו לאין ערוך, עד שקיבלנו את הבינה המלאכותית שאנחנו מכירים היום.
הינטון, שזכה בעבר גם לכינוי "סנדק הבינה המלאכותית", חילק במשך תקופה מסוימת את זמנו בין משרה אקדמית למשרה בחברת גוגל, אך במאי 2023 עזב את גוגל כדי שיוכל, לדבריו, "לדבר בחופשיות על הסיכונים בבינה המלאכותית".
מאז הוא דיבר על הסיכונים לשימוש לרעה בבינה מלאכותית על-ידי גורמים אלימים, על הסיכון באבטלה שיכולה לנבוע משימוש יתר בבינה מלאכותית, ולאחרונה טען כי לבינה המלאכותית סיכון של 50% להיות חכמה מאיתנו. היום הוא דובר למען שיתוף-פעולה בין גורמים שונים המפתחים בינה מלאכותית כדי להימנע מן התוצאות השליליות האפשריות.