O Prémio Nobel da Física 2024 foi atribuído aos cientistas John J. Hopfield, da Universidade de Princeton, Nova Iorque, EUA, e Geoffrey E. Hinton, da Universidade de Toronto, Canadá, por descobertas e invenções fundamentais que permitem a aprendizagem de máquina com redes neurais artificiais.
A Real Academia Sueca de Ciências descreve em comunicado que os dois cientistas usaram ferramentas da física para desenvolver métodos que são a base do atual poderoso aprendizagem de máquina. John Hopfield criou uma memória associativa que pode armazenar e reconstruir imagens e outros tipos de padrões em dados. Geoffrey Hinton inventou um método que pode encontrar propriedades em dados de forma autónoma e, assim, executar tarefas como identificar elementos específicos em imagens.
A inteligência artificial passa por aprendizagem de máquina usando redes neurais artificiais. A tecnologia foi originalmente inspirada pela estrutura do cérebro, em que numa rede neural artificial, os neurónios do cérebro são representados por nós que têm valores diferentes. Esses nós influenciam-se uns aos outros por conexões que podem ser comparadas a sinapses e que podem ser fortalecidas ou enfraquecidas.
A rede é treinada, por exemplo, desenvolvendo conexões mais fortes entre nós com valores simultaneamente altos. Os cientistas conduziram um importante trabalho com redes neurais artificiais a partir da década de 1980.
John Hopfield inventou uma rede que usa um método para salvar e recriar padrões. Podemos imaginar os nós como pixels. A rede de Hopfield utiliza física que descreve as características de um material devido ao seu spin atómico – uma propriedade que torna cada átomo um pequeno ímã.
A rede como um todo é descrita de uma maneira equivalente à energia no sistema de spin encontrado na física, e é treinada encontrando valores para as conexões entre os nós para que as imagens salvas tenham baixa energia. Quando a rede de Hopfield é alimentada com uma imagem distorcida ou incompleta, ela trabalha metodicamente através dos nós e atualiza os valores para que a energia da rede caia. Assim, a rede trabalha passo a passo para encontrar a imagem que é mais parecida com a imperfeita com a qual foi alimentada.
Geoffrey Hinton usou a rede de Hopfield como base para uma nova rede que usa um método diferente: a máquina de Boltzmann. A rede pode aprender a reconhecer elementos característicos num determinado tipo de dado. Hinton usou ferramentas da física estatística, a ciência dos sistemas construídos a partir de muitos componentes semelhantes. A máquina é treinada alimentando-a com exemplos que provavelmente surgirão quando a máquina for executada.
A máquina de Boltzmann pode ser usada para classificar imagens ou criar novos exemplos do tipo de padrão no qual foi treinada. Hinton construiu sobre esse trabalho, ajudando a iniciar o atual desenvolvimento explosivo da aprendizagem de máquina.
“O trabalho dos laureados já trouxe o maior benefício. Na física, usamos redes neurais artificiais numa vasta gama de áreas, como o desenvolvimento de novos materiais com propriedades específicas”, diz Ellen Moons, presidente do Comité Nobel de Física, citado em comunicado.
