Der diesjährige Nobelpreis für Physik geht an John Hopfield und Geoffrey Hinton für ihre Entdeckungen und Erfindungen auf dem Gebiet des maschinellen Lernens mit künstlichen neuronalen Netzen. Warum dies ein Durchbruch in der Geschichte der künstlichen Intelligenz ist, erfahren Sie hier.
18. Oktober 2024
|
Lesedauer: ca. 2 Min.
Bild: © magann/stock.adobe.com
Künstliche Intelligenz (KI) hat die Welt verändert – und tut es immer noch. Zwei Wegbereiter wurden bei der diesjährigen Nobelpreisverleihung mit dem Nobelpreis für Physik ausgezeichnet. John Hopfield und Geoffrey Hinton haben mit Werkzeugen aus der Physik Methoden entwickelt, die die Grundlage für das heutige leistungsfähige maschinelle Lernen bilden.
Maschinelles Lernen (ML) ist ein Teilgebiet der Künstlichen Intelligenz, bei dem ein System anhand von Daten Muster und Zusammenhänge erkennen kann. Dadurch ist es in der Lage, eigenständig Entscheidungen zu treffen oder Vorhersagen zu treffen. Dabei lernt das System ständig dazu – sodass die Entscheidungen und Vorhersagen mit der Zeit immer besser werden.
Wie es in der Pressemitteilung „They trained artificial neural networks using physics“ der Königlich-Schwedischen Akademie der Wissenschaften heißt, hat John Hopfield ein sogenanntes „assoziatives Gedächtnis“ geschaffen, das Bilder und andere Muster in Daten speichern und rekonstruieren kann. Geoffrey Hinton erfand eine Methode, die in der Lage ist, selbstständig Eigenschaften in Daten zu finden und damit Aufgaben wie die Identifizierung bestimmter Elemente in Bildern zu erfüllen.
Hopfields „assoziatives Gedächtnis“ zeigt, dass die Reproduktion von gespeicherten Mustern in Daten Analogien zur Fähigkeit des Menschen aufweist, sich den Namen einer Person zu merken. Solche künstlichen neuronalen Netze besitzen demnach wesentliche Eigenschaften biologischer Nervenzellen. Ihre Wechselwirkung orientiert sich an der elektrischen und chemischen Signalübertragung im Gehirn.
Hinton verwendete das Netzwerk von Hopfield wiederum als Grundlage für die Entwicklung eines neuen Netzwerks, das auf einer anderen Methode – der Boltzmann-Maschine – basiert. Dieses ist in der Lage, charakteristische Merkmale in bestimmten Datentypen zu erlernen und zu erkennen. Gemeinsam mit Hopfield hat er somit maßgeblich zur aktuellen rasanten Entwicklung des maschinellen Lernens beigetragen.
Viele Unternehmen nutzen maschinelles Lernen bereits oder erwägen dessen Einsatz. Prinzipiell gilt: Die erfolgreiche Nutzung erfordert, wie bei jedem erfolgreichen KI-Projekt, eine leistungsstarke IT-Infrastruktur. Diese ermöglicht es, Daten effizient aufzubereiten und optimal für das Training von Machine-Learning- und Deep-Learning-Algorithmen einzusetzen.
Die Experten von CANCOM unterstützen Sie sowohl dabei, eine solche Infrastruktur aufzubauen als auch maßgeschneiderte KI- und Machine Learning-Lösungen zu implementieren. Sie wünschen eine unverbindliche Beratung? Auf der exklusiven Themenseite können Sie mit CANCOM Kontakt aufnehmen – um Ihr KI-Projekt zu besprechen und gemeinsam voranzutreiben.
