Cần được thông não. Chưa hiểu sự liên quan giữa vật lý và AI (máy học) lắm
GIẢI NOBEL VẬT LÝ 2024
Vào lúc này 16:45 giờ Hà Nội, ( 11:45 CEST) hôm nay, ngày 8/10/ 2024, giải Nobel VẬT LÝ đã được công bố trao cho hai nhà khoa học JOHN J. HOPFIELD (USA) VÀ GEOFREY E. HINTON ( CANADA) “ cho những khám phá và phát minh cơ bản cho phép máy học với mạng nơ-ron nhân tạo”
“for foundational discoveries and inventions that enable machine learning with artificial neural networks”
Hai người đoạt giải Nobel Vật lý năm nay đã sử dụng các công cụ từ vật lý để phát triển các phương pháp tạo nên nền tảng cho máy học mạnh mẽ ngày nay. John Hopfield đã tạo ra một bộ nhớ liên kết có thể lưu trữ và tái tạo hình ảnh và các loại mẫu khác trong dữ liệu. Geoffrey Hinton đã phát minh ra một phương pháp có thể tự động tìm các thuộc tính trong dữ liệu và do đó thực hiện các nhiệm vụ như xác định các thành phần cụ thể trong hình ảnh.
Khi chúng ta nói về trí tuệ nhân tạo, chúng ta thường muốn nói đến máy học sử dụng mạng nơ-ron nhân tạo. Công nghệ này ban đầu được lấy cảm hứng từ cấu trúc của não. Trong mạng nơ-ron nhân tạo, các nơ-ron của não được biểu diễn bằng các nút có giá trị khác nhau. Các nút này ảnh hưởng lẫn nhau thông qua các kết nối có thể được ví như các khớp thần kinh và có thể được làm mạnh hơn hoặc yếu hơn. Ví dụ, mạng được đào tạo bằng cách phát triển các kết nối mạnh hơn giữa các nút có giá trị cao đồng thời. Những người đoạt giải năm nay đã thực hiện công trình quan trọng với mạng nơ-ron nhân tạo từ những năm 1980 trở đi.
John Hopfield đã phát minh ra một mạng sử dụng phương pháp lưu và tái tạo các mẫu. Chúng ta có thể tưởng tượng các nút như các điểm ảnh. Mạng Hopfield sử dụng vật lý mô tả các đặc điểm của vật liệu do spin nguyên tử của nó—một đặc tính khiến mỗi nguyên tử trở thành một nam châm nhỏ. Toàn bộ mạng được mô tả theo cách tương đương với năng lượng trong hệ thống spin tìm thấy trong vật lý và được đào tạo bằng cách tìm giá trị cho các kết nối giữa các nút để các hình ảnh đã lưu có năng lượng thấp. Khi mạng Hopfield được cung cấp một hình ảnh bị bóp méo hoặc không đầy đủ, nó sẽ hoạt động theo phương pháp qua các nút và cập nhật giá trị của chúng để năng lượng của mạng giảm xuống. Do đó, mạng hoạt động theo từng bước để tìm hình ảnh đã lưu giống nhất với hình ảnh không hoàn hảo mà nó được cung cấp.
Geoffrey Hinton đã sử dụng mạng Hopfield làm nền tảng cho một mạng mới sử dụng một phương pháp khác: máy Boltzmann. Mạng này có thể học cách nhận dạng các yếu tố đặc trưng trong một loại dữ liệu nhất định. Hinton đã sử dụng các công cụ từ vật lý thống kê, khoa học về các hệ thống được xây dựng từ nhiều thành phần tương tự nhau. Máy được đào tạo bằng cách cung cấp cho nó các ví dụ rất có khả năng phát sinh khi máy chạy. Máy Boltzmann có thể được sử dụng để phân loại hình ảnh hoặc tạo các ví dụ mới về loại mẫu mà nó được đào tạo. Hinton đã xây dựng dựa trên công trình này, giúp khởi xướng sự phát triển bùng nổ hiện tại của máy học.
"Công trình của những người đoạt giải đã mang lại lợi ích lớn nhất. Trong vật lý, chúng tôi sử dụng mạng nơ-ron nhân tạo trong nhiều lĩnh vực, chẳng hạn như phát triển các vật liệu mới có các đặc tính cụ thể", Ellen Moons, Chủ tịch Ủy ban Nobel Vật lý cho biết.
LỜI BÀN CỦA TRẦN GIA NINH: Bây giờ chắc không còn ai nghi ngờ rằng VẬT LÝ LUÔN LÀ NỀN TẢNG CHO HẦU HẾT CÁC SÁNG TẠO RA NHỮNG ỨNG DỤNG VĨ ĐẠI NHẤT CỦA NHÂN LOẠI
Nhiều người đã nhầm lẫn TRÍ TUỆ NHÂN TẠO thuần tuý là sản phẩm của Công nghệ thông tin và toán học ứng dụng.
Đáng tiếc là ngành đào tạo và nghiên cứu Vật lý của Việt nam. một thời đã sánh vai cùng thế giới thì nay đã xuống cấp, tan hoang một cách thảm hại. Các tài năng trẻ giờ đã chuyển sang các lĩnh vực mì ăn liền và hầu như tránh xa ngành Vật lý, một lĩnh vực rất khó khăn, nếu không nói là khó nhất trong các ngành khoa học sáng tạo. Đất nước sẽ đi về đâu
khi đầu tư cho Vật lý được coi là xa xỉ , trong khi trên phạm vi toàn cầu thì đầu tư cho Vật lý chiếm quá 2/3 đầu tư cho toàn thể các ngành khoa học ?
plo.vn
