Får nobelprisen for maskin­læring: – På vei til å revolusjonere forskning, sier Bjørn Samset

John J. Hopfield fra Princeton University og Geoffrey E. Hinton fra University of Toronto. (Foto: Princeton University, AP,Noah Berger, NTB)

– Dette er en helt opplagt pris for i år, sier Bjørn Samset.

Årets pris handler om maskiner som lærer, sa Hans Ellegren ved Kungliga Vetenskapsakademien da årets nobelpris i fysikk ble kunngjort.

Vinnerne er John J. Hopfield ved Princeton University i USA og Geoffrey E. Hinton ved University of Toronto i Canada.

De får prisen for grunnleggende oppdagelser innen maskinlæring og nevrale nettverk.

– En helt opplagt pris for i år

– Dette er en helt opplagt pris for i år, sier fysiker Bjørn Samset til forskning.no. Han er utdannet partikkelfysiker og jobber nå med klimaforskning ved Cicero Senter for klimaforskning. 

De nevrale nettverkene Hopfield og Hinton er kjent for ble først utviklet for å jobbe med nettopp grunnleggende fysikk. 

– Dette er egentlig en beregningspris, sier Samset. 

Han peker på at de to forskerne får Nobelprisen i fysikk fordi maskinlæringen ble utviklet for å løse fundamentale problemer i fysikk ved å sortere i store datasett. 

Men nå er dette blitt grunnlaget for mye annen viktig teknologi. 

– Dette er egentlig en beregningspris, sier Bjørn Samset. (Foto: Elise Kjørstad)

– På vei til å revolusjonere forskning

– Det er på vei til å revolusjonere forskning, på samme måte som datamaskiner gjorde, mener Samset. 

Språkmodeller som ChatGPT og lignende KI-verktøy har spredt seg voldsomt i verden de siste årene, men grunnlaget ble altså lagt av prisvinnernes kunstige nevrale nettverk for flere tiår siden. 

Dette er datasystemer som hermer etter hvordan menneskehjernen er bygget opp med massevis av koblinger mellom nerveceller – eller nevroner. Ideen om kunstige nevrale nettverk strekker seg tilbake til 1960-tallet, men det var inspirert av den nye forståelsen av hjernen og nerveceller som kom på 1940-tallet.  

Det fikk et oppsving på 1980-tallet. Det var på 1970-tallet og 1980-tallet prisvinnerne gjorde arbeidet som de nå har fått prisen for. 

– Det handler om hvordan vi kan få en maskin til å lære noe av seg selv, sier Samset. 

Trener seg selv

Programmene bruker store datasett for å trene opp seg selv. Det skaper selvforsterkende prosesser, hvor noen koblinger blir sterkere og sterkere, mens andre, mindre brukte koblinger forsvinner av seg selv. 

John Hopfield får prisen for å ha laget et nettverk som kan lagre og kjenne igjen mønstre, heter det i juryens begrunnelse. 

Dette nettverket var basert på grunnleggende fysikk, og det var bygget for å være et selvlærende nettverk som kunne analysere bilder. 

Geoffrey Hinton bygde videre på arbeidet til Hopfield for å lage et annet type nettverk, som skulle lete etter mønstre i store datamengder. Hinton brukte statistikkteknikker fra fysikk for å få dette til å fungere, heter det i begrunnelsen. 

Hinton er også en svært synlig forsker som flere ganger har snakket om både styrker og mulige farer ved kunstig intelligens. I dette intervjuet med amerikanske CBS advarer han mot KIs framvoksende intelligens og mulige rolle som det mest intelligente på jordkloden. 

Saken oppdateres

Opptatt av naturvitenskap og verdensrommet?

Ikke bli et fossil, hold deg oppdatert på dyr, planter, verdensrommet og mye mer mellom himmel og jord med nyhetsbrev fra forskning.no.

Meld meg på