Prémio Nobel da Física de 2024

 Prémio Nobel da Física de 2024

Geoffrey Everest Hinton, conhecido como o “Padrinho da IA”, e o físico John Joseph Hopfield ganharam o Prémio Nobel da Física, no dia 8 de Outubro, pelo seu trabalho pioneiro nos fundamentos da inteligência artificial. (voaportugues.com)

A Academia Real das Ciências da Suécia decidiu atribuir o Prémio Nobel da Física de 2024 a John Joseph Hopfield (Universidade de Princeton, Nova Jersey, dos Estados Unidos da América) e a Geoffrey  Everest  Hinton (Universidade de Toronto, Canadá), “pelas descobertas e invenções fundamentais que permitem a aprendizagem automática com redes neuronais artificiais”.

(Direitos reservados)

Treinaram redes neurais artificiais utilizando a Física

Os dois laureados com o Prémio Nobel da Física deste ano utilizaram ferramentas da Física para desenvolver métodos que são a base da poderosa aprendizagem automática actual. John Hopfield criou uma memória associativa que pode armazenar e reconstruir imagens e outros tipos de padrões nos dados. Geoffrey Hinton inventou um método capaz de encontrar autonomamente propriedades nos dados e, assim, realizar tarefas como a identificação de elementos específicos em imagens.

As redes neurais artificiais estão a revolucionar o mundo da inteligência artificial (IA) e da aprendizagem de máquinas, abrindo caminho para aplicações complexas e inovadoras em diversos sectores. (hardware.com.br)

Quando falamos de inteligência artificial, referimo-nos frequentemente à aprendizagem automática através de redes neurais artificiais. Esta tecnologia foi originalmente inspirada na estrutura do cérebro. Numa rede neural artificial, os neurónios do cérebro são representados por nós que têm valores diferentes. Estes nós influenciam-se mutuamente através de ligações que podem ser comparadas a sinapses e que podem ser tornadas mais fortes ou mais fracas. A rede é treinada, por exemplo, através do desenvolvimento de ligações mais fortes entre nós com valores simultaneamente elevados. Os laureados deste ano realizaram importantes trabalhos com redes neuronais artificiais a partir da década de 1980.

Foto tirada pela esposa de John Hopfield, Mary Waltham, na sala
de jantar da sua casa de campo em Selborne, Hampshire. 
(Créditos fotográficos: Mary Waltham – nobelprize.org)

John Hopfield inventou uma rede que utiliza um método para guardar e recriar padrões. Podemos imaginar os nós como pixéis. A rede de Hopfield utiliza a física que descreve as caraterísticas de um material devido ao seu spin atómico – uma propriedade que faz de cada átomo um pequeno íman. A rede como um todo é descrita de uma forma equivalente à energia no sistema de spin encontrado na Física, e é treinada através da procura de valores para as ligações entre os nós, de modo que as imagens guardadas tenham baixa energia. Quando a rede Hopfield é alimentada com uma imagem distorcida ou incompleta, trabalha metodicamente através dos nós e actualiza os seus valores para que a energia da rede diminua. Assim, a rede trabalha, passo a passo, para encontrar a imagem guardada que mais se assemelha à imagem imperfeita com que foi alimentada.

Uma representação gráfica de um exemplo de máquina de
Boltzmann. Cada aresta não direccionada representa dependência.
Neste exemplo, há três unidades ocultas e quatro unidades visíveis.
Esta não é uma máquina de Boltzmann restrita. (en.wikipedia.org)

Geoffrey Hinton utilizou a rede de Hopfield como base para uma nova rede que utiliza um método diferente: a máquina de Boltzmann. Esta pode aprender a reconhecer elementos característicos num determinado tipo de dados. Hinton utilizou ferramentas da Física Estatística, a ciência dos sistemas construídos a partir de muitos componentes semelhantes. A máquina é treinada através de exemplos que têm grande probabilidade de surgir quando a máquina está a funcionar. A máquina de Boltzmann pode ser utilizada para classificar imagens ou para criar exemplos do tipo de padrão para o qual foi treinada. Hinton desenvolveu este trabalho, ajudando a iniciar o actual desenvolvimento explosivo da aprendizagem automática.

Ellen Moons, presidente do Comité Nobel da Física. (Créditos fotográficos: Patrik Lundin – kva.se)

“O trabalho dos laureados já trouxe os maiores benefícios. Na Física, utilizamos redes neuronais artificiais numa vasta gama de áreas, como o desenvolvimento de novos materiais com propriedades específicas”, afirma Ellen Moons, Presidente do Comité Nobel da Física.

.

………………….

.

(*) Artigo no âmbito do programa “Cultura, Ciência e Tecnologia na Imprensa”, promovido pela Associação Portuguesa de Imprensa.

.

24/10/2024

Siga-nos:
fb-share-icon

António Piedade

Bioquímico e comunicador de Ciência. Publicou centenas de artigos e crónicas de divulgação científica na imprensa portuguesa e 20 artigos em revistas científicas internacionais. É autor de diversos livros de divulgação de Ciência, entre os quais se destacam “Íris Científica” (Mar da Palavra, 2005 – Plano Nacional de Leitura), ”Caminhos de Ciência”, com prefácio de Carlos Fiolhais (Imprensa da Universidade de Coimbra, 2011) e “Diálogos com Ciência” (Trinta Por Uma Linha, 2019 – Plano Nacional de Leitura), também prefaciado por Carlos Fiolhais. Organiza regularmente ciclos de palestras de divulgação científica, a exemplo do já muito popular “Ciência às Seis”, no Rómulo Centro Ciência Viva da Universidade de Coimbra. Profere regularmente palestras de divulgação científica em escolas e outras instituições.

Outros artigos

Share
Instagram