Giải Nobel Vật lý 2024 – Phần 2 của 3

Ulf Danielsson, Olle Eriksson, Anders Irbäck, và Ellen Moons, Ủy ban Nobel Vật lý.

Viện Hàn lâm Khoa học Hoàng gia Thụy Điển. Tháng 10, 2024.

Lê Quang Văn dịch, giải thích và thực hiện phần kỹ thuật số.

Một cỗ máy Boltzmann được đào tạo có thể nhận ra những đặc điểm quen thuộc trong thông tin mà nó chưa từng thấy trước đây. Hãy tưởng tượng gặp anh chị em của một người bạn, và bạn có thể thấy ngay rằng họ phải có liên quan. Theo cách tương tự, máy Boltzmann có thể nhận ra một ví dụ hoàn toàn mới nếu nó thuộc về một danh mục được tìm thấy trong tài liệu đào tạo và phân biệt nó với tài liệu không giống nhau.

Ở dạng ban đầu, máy Boltzmann khá kém hiệu quả và mất nhiều thời gian để tìm giải pháp. Mọi thứ trở nên thú vị hơn khi nó được phát triển theo nhiều cách khác nhau, mà Hinton đã tiếp tục khám phá. Các phiên bản sau này đã được cải thiện, vì các kết nối giữa một số đơn vị đã bị loại bỏ. Nó chỉ ra rằng điều này có thể làm cho máy hiệu quả hơn.

Trong những năm 1990, nhiều nhà nghiên cứu đã mất hứng thú với mạng lưới thần kinh nhân tạo, nhưng Hinton là một trong những người tiếp tục làm việc trong lĩnh vực này. Ông cũng giúp bắt đầu sự bùng nổ mới của những kết quả thú vị; năm 2006, ông và các đồng nghiệp Simon Osindero, Yee Whye Teh và Ruslan Salakhutdinov đã phát triển một phương pháp đào tạo trước một mạng với một loạt các máy Boltzmann theo từng lớp, chồng lên nhau. Việc đào tạo trước này đã mang lại cho các kết nối trong mạng một điểm khởi đầu tốt hơn, giúp tối ưu hóa việc đào tạo của nó để nhận ra các yếu tố trong hình ảnh.

Máy Boltzmann thường được sử dụng như một phần của mạng lớn hơn. Ví dụ: nó có thể được sử dụng để đề xuất phim hoặc phim truyền hình dựa trên sở thích của người xem.

Học máy – hôm nay và ngày mai

Nhờ công việc của họ từ những năm 1980 trở đi, John Hopfield và Geoffrey Hinton đã giúp đặt nền móng cho cuộc cách mạng học máy bắt đầu vào khoảng năm 2010.

Sự phát triển mà chúng ta đang chứng kiến hiện nay đã được thực hiện thông qua việc truy cập vào lượng dữ liệu khổng lồ có thể được sử dụng để đào tạo mạng và thông qua sự gia tăng to lớn về sức mạnh tính toán. Mạng lưới thần kinh nhân tạo ngày nay thường rất lớn và được xây dựng từ nhiều lớp. Chúng được gọi là mạng nơ-ron sâu và cách chúng được đào tạo được gọi là học sâu.

Một cái nhìn nhanh về bài viết của Hopfield về bộ nhớ liên kết, từ năm 1982, cung cấp một số quan điểm về sự phát triển này. Trong đó, ông đã sử dụng một mạng với 30 nút. Nếu tất cả các nút được kết nối với nhau, có 435 kết nối. Các nút có giá trị của chúng, các kết nối có cường độ khác nhau và tổng cộng, có ít hơn 500 tham số để theo dõi. Ông cũng đã thử một mạng với 100 nút, nhưng điều này quá phức tạp, với máy tính ông sử dụng vào thời điểm đó. Chúng ta có thể so sánh điều này với các mô hình ngôn ngữ lớn ngày nay, được xây dựng dưới dạng các mạng có thể chứa hơn một nghìn tỷ tham số (một triệu triệu).

Nhiều nhà nghiên cứu hiện đang phát triển các lĩnh vực ứng dụng của học máy. Đó sẽ là phần còn lại khả thi nhất được nhìn thấy, trong khi cũng có cuộc thảo luận rộng rãi về các vấn đề đạo đức xung quanh sự phát triển và sử dụng công nghệ này.

Bởi vì vật lý đã đóng góp các công cụ cho sự phát triển của học máy, thật thú vị khi thấy vật lý, như một lĩnh vực nghiên cứu, cũng được hưởng lợi từ các mạng thần kinh nhân tạo. Học máy từ lâu đã được sử dụng trong các lĩnh vực mà chúng ta có thể quen thuộc từ các giải Nobel Vật lý trước đây. Chúng bao gồm việc sử dụng học máy để sàng lọc và xử lý lượng dữ liệu khổng lồ cần thiết để khám phá hạt Higgs. Các ứng dụng khác bao gồm giảm tiếng ồn trong các phép đo sóng hấp dẫn từ các lỗ đen va chạm hoặc tìm kiếm các ngoại hành tinh.

Trong những năm gần đây, công nghệ này cũng đã bắt đầu được sử dụng khi tính toán và dự đoán các tính chất của phân tử và vật liệu - chẳng hạn như tính toán cấu trúc của các phân tử protein, xác định chức năng của chúng hoặc tìm ra phiên bản mới nào của vật liệu có thể có tính chất tốt

Episode 3031 - October 13 - Phần 2 của 3 - Giải Nobel Vật lý 2024 - Vina Technology at AI time

Vina Technology at AI time - Công nghệ Việt Nam thời AI

Episode 3031 - October 13 - Phần 2 của 3 - Giải Nobel Vật lý 2024 - Vina Technology at AI time