Ngày 8/10, Viện Hàn lâm Khoa học Hoàng gia Thụy Điển đã quyết định trao Giải Nobel Vật lý năm 2024 cho John J. Hopfield (Đại học Princeton, Mỹ) và Geoffrey E. Hinton (Đại học Toronto, Canada) vì những khám phá và phát minh cơ bản tạo tiền đề cho học máy và mạng thần kinh nhân tạo.
Hai nhà khoa học đoạt giải Nobel Vật lý năm nay đã sử dụng công cụ từ vật lý để phát triển các phương pháp là nền tảng của ngành học máy. GS. John Hopfield đã tạo ra một bộ nhớ liên kết có thể lưu trữ và tái tạo hình ảnh cũng như các loại mẫu hình trong dữ liệu. GS. Geoffrey Hinton phát minh ra một phương pháp có thể tự động tìm các thuộc tính trong dữ liệu và từ đó thực hiện các nhiệm vụ như xác định thành phần cụ thể trong hình ảnh.
Khi nói đến AI, tức là ám chỉ đến học máy sử dụng mạng thần kinh nhân tạo. Công nghệ này ban đầu được lấy cảm hứng từ cấu trúc của não bộ con người. Trong mạng thần kinh nhân tạo, các nơ-ron của não được biểu diễn bằng các nút có giá trị khác nhau. Các nút này tác động lẫn nhau thông qua các kết nối có thể được ví như các khớp thần kinh và có thể được làm mạnh hơn hoặc yếu hơn.
Cống hiến của hai nhà khoa học cho ngành học máy và AI bắt đầu từ những nghiên cứu vào thập niên 80.
Bà Ellen Moons, chủ tịch Ủy ban Nobel Vật lý phát biểu tại cuộc họp báo:
"Học tập là một khả năng hấp dẫn của bộ não con người. Chúng ta có thể nhận dạng hình ảnh và lời nói cũng như liên kết chúng với ký ức và kinh nghiệm trong quá khứ. Hàng tỷ tế bào thần kinh được kết nối với nhau mang lại cho chúng ta những khả năng nhận thức độc đáo. Mạng lưới thần kinh nhân tạo được lấy cảm hứng từ mạng lưới tế bào thần kinh này trong não của chúng ta.
Những người đoạt giải Nobel Vật lý năm nay, John Hopfield và Geoffrey Hinton đã sử dụng các khái niệm cơ bản từ vật lý thống kê để thiết kế mạng lưới thần kinh nhân tạo, hoạt động như trí nhớ liên tưởng và tìm ra mẫu hình trong các tập dữ liệu lớn.
Các mạng lưới thần kinh nhân tạo này đã được sử dụng để thúc đẩy nghiên cứu trên nhiều chủ đề vật lý đa dạng như vật lý hạt, khoa học vật liệu và vật lý thiên văn. Chúng cũng đã trở thành một phần trong cuộc sống hàng ngày của chúng ta, ví dụ, trong nhận dạng khuôn mặt và dịch ngôn ngữ.
Những khám phá và phát minh của những người đoạt giải tạo nên nền tảng cho học máy, có thể hỗ trợ con người đưa ra quyết định nhanh hơn và đáng tin cậy hơn, ví dụ như khi chẩn đoán tình trạng bệnh lý. Tuy nhiên, trong khi học máy có những lợi ích to lớn, thì sự phát triển nhanh chóng của nó cũng làm dấy lên mối lo ngại về tương lai của chúng ta. Nhìn chung, con người có trách nhiệm sử dụng công nghệ mới này theo cách an toàn và có đạo đức vì lợi ích lớn nhất của nhân loại".
