Могли ли советские математики претендовать на Нобелевку за нейросети

Нобелевскую премию по физике за 2024 г. 8 октября присудили за концепцию и методологию, которая легла в основу машинного обучения с использованием искусственных нейросетей. Лауреатами премии стали американский математик Джон Хопфилд и британско-канадский информатик Джеффри Хинтон.

Комментируя награду, Хинтон выразил беспокойство по поводу машинного обучения и сказал, что оно окажет огромное влияние на общество. «Это будет сравнимо с промышленной революцией, – сказал он. – Вместо того чтобы превосходить людей в физической силе, они будут превосходить их в интеллектуальных способностях. У нас нет опыта того, каково это – иметь вещи умнее нас».

Нобелевская награда подчеркивает важность искусственного интеллекта (ИИ) как научной дисциплины и его потенциальное влияние на будущее человечества, обращает внимание руководитель департамента расследований T.Hunter, эксперт рынка Национальной технологической инициативы (НТИ) Safenet Игорь Бедеров. Нейросети стали основой для многих современных технологий, таких как голосовые помощники, системы распознавания изображений, медицинская диагностика и др. Работы Хопфилда и Хинтона внесли вклад в понимание того, как можно обучать машины распознавать паттерны и принимать решения на основе данных.

Больше всего вопросов здесь к тому, что премию за изобретение в области машинного обучения вручили в номинации «физика», рассуждает представитель Альянса искусственного интеллекта Андрей Комиссаров. «Правильнее было бы дать премию в номинации "математическая статистика", но, увы, Нобелевская премия математикам не предусмотрена», – говорит он.

Если же попытаться восстановить цепочку событий, которые сделали возможными те достижения, за которые сегодня была присуждена Нобелевская премия, то для начала нужно вспомнить, что в физике были разработаны методы, позволяющие оценить энергию квантовых систем и применять методы теории оптимизации для поиска состояний с минимальной энергией наиболее простым и наименее вычислительно-ресурсоемким способом, продолжает Комиссаров.

В 1982 г. Хопфилд предложил нейронную сеть, которая использует этот математический аппарат. Эта сеть может «запомнить» картинки-образцы, а потом, если ей «скормить» картинку с шумом, «битыми» фрагментами и т. д., она способна понять, какому образцу она соответствует, и «вспомнить», как он выглядел в исходном состоянии, объясняет Комиссаров.

В 1985 г. Хинтон на основе сети Хопфилда и тех же физических методов придумал другую нейросеть, которая уже находила общие черты в наборе изображений и классифицировала их, например, определяла изображения кошечек и отличала их от изображений собачек, продолжает эксперт. Хинтон изобрел метод, позволяющий автономно находить свойства в данных и выполнять такие задачи, как идентификация определенных элементов на изображениях, добавляет ведущий инженер Центра компетенций НТИ «Цифровое материаловедение: новые материалы и вещества» МГТУ им. Н. Э. Баумана Вадим Истомин.

Потом Хинтон и другие ученые придумали, как использовать эту нейросеть для того, чтобы кардинально сократить время и вычислительные расходы на обучение «стандартных» многослойных нейросетей, которые сейчас используются везде в глубоком обучении – от ChatGPT до генерации картинок, говорит Комиссаров.

Хинтон был одним из ученых, разработавших метод обратного распространения ошибки (метод используется для обучения нейронной сети с помощью цепного правила), поясняет директор Института прикладных компьютерных наук ИТМО Антон Кузнецов. Данный метод был предложен в 1974 г. советским ученым Александром Галушкиным, а в дальнейшем развивался группой американских ученых, в состав которой входил Хинтон. Например, работы Галушкина и Алексея Ивахненко в 1950–1970 гг. в области нейронных сетей и восприятия информации были важными шагами в этой области, согласен Бедеров. Но в то время технологии не получили широкого распространения из-за недостатка вычислительных ресурсов и ограниченного доступа к данным.

«Метод группового учета аргументов, придуманный Ивахненко, по сути, был фактически первым методом глубокого обучения. То есть он позволил оптимизировать сложные системы и фактически он стал нулевым звеном для того, чтобы потом развивались нейронные сети. Но именно Хинтон и Хопфилд смогли переосмыслить существующие алгоритмы в то, что мы сегодня называем искусственным интеллектом», – подтверждает генеральный директор Dbrain, автор Telegram-канала AI Happens Алексей Хахунов.

Советская математическая школа занималась решением этих же задач в разрезе распознавания образов, подтверждает Комиссаров. «Но посмертно Нобелевка не присуждается, а советские ученые, разработавшие подход, уже не с нами (Галушкин скончался в 2016 г., Ивахненко – в 2007-м). К тому же на Западе практикуется "культура отмены", что делает попадание советских или российских ученых в номинанты крайне маловероятным», – резюмировал он.