Buzz
Vừa qua, Ủy ban Nobel đã công bố hai nhà khoa học nhận giải Nobel Vật lý năm nay, đó là hai giáo sư John Hopfield và Geoffrey Hinton, nhờ vào “những phát hiện mang tính đột phá” giúp các nhà nghiên cứu máy tính phát triển hệ thống học máy và mạng neural mô phỏng hoạt động của não bộ trên các hệ thống điện toán.
Ủy ban Nobel đã tuyên bố: “Dù máy tính không thể suy nghĩ như con người, nhưng giờ đây chúng có khả năng mô phỏng các cơ chế như ghi nhớ và học hỏi. Hai nhà khoa học được vinh danh năm nay đã biến điều này thành hiện thực.” Giáo sư Hopfield từ đại học Princeton, Mỹ và Hinton từ đại học Toronto, Canada sẽ chia sẻ khoản tiền thưởng 1 triệu USD cùng với giải thưởng danh giá nhất dành cho các nhà khoa học.
Ủy ban cho biết thêm: “Bằng việc áp dụng những ý tưởng cơ bản và giải pháp vật lý, họ đã phát triển công nghệ sử dụng cấu trúc mạng để xử lý thông tin.” Nhờ đó, machine learning đã có sự bùng nổ trong hai thập kỷ qua.
Mô tả về mạng neural và machine learning, ủy ban giải Nobel cho biết: “Hệ thống mạng do giáo sư Hopfield phát triển có các node kết nối với nhau với cường độ khác nhau. Mỗi node lưu trữ giá trị riêng, bắt đầu từ 0 và 1, giống như điểm ảnh trong một bức tranh đen trắng.”
Sau khi giáo sư Hopfield công bố kết quả nghiên cứu, Geoffrey Hinton đã mở rộng các phát hiện này, kết hợp với vật lý thống kê để phát triển hệ thống Boltzmann Machine, phiên bản đầu tiên của hệ thống học máy. Khác biệt hoàn toàn với phần mềm truyền thống, neural network có khả năng học từ dữ liệu mới, sử dụng kiến thức sẵn có để tạo ra nội dung hoàn toàn mới.
Ủy ban Nobel đã tuyên bố: “Dù máy tính không thể suy nghĩ như con người, nhưng giờ đây chúng có khả năng mô phỏng các cơ chế như ghi nhớ và học hỏi. Hai nhà khoa học được vinh danh năm nay đã biến điều này thành hiện thực.” Giáo sư Hopfield từ đại học Princeton, Mỹ và Hinton từ đại học Toronto, Canada sẽ chia sẻ khoản tiền thưởng 1 triệu USD cùng với giải thưởng danh giá nhất dành cho các nhà khoa học.
Ủy ban cho biết thêm: “Bằng việc áp dụng những ý tưởng cơ bản và giải pháp vật lý, họ đã phát triển công nghệ sử dụng cấu trúc mạng để xử lý thông tin.” Nhờ đó, machine learning đã có sự bùng nổ trong hai thập kỷ qua.
Mô tả về mạng neural và machine learning, ủy ban giải Nobel cho biết: “Hệ thống mạng do giáo sư Hopfield phát triển có các node kết nối với nhau với cường độ khác nhau. Mỗi node lưu trữ giá trị riêng, bắt đầu từ 0 và 1, giống như điểm ảnh trong một bức tranh đen trắng.”
Sau khi giáo sư Hopfield công bố kết quả nghiên cứu, Geoffrey Hinton đã mở rộng các phát hiện này, kết hợp với vật lý thống kê để phát triển hệ thống Boltzmann Machine, phiên bản đầu tiên của hệ thống học máy. Khác biệt hoàn toàn với phần mềm truyền thống, neural network có khả năng học từ dữ liệu mới, sử dụng kiến thức sẵn có để tạo ra nội dung hoàn toàn mới.
Trả lời phỏng vấn sau khi nhận giải Nobel Vật lý 2024, giáo sư Geoffrey Hinton cho biết, AI sẽ có “tác động to lớn” đến xã hội: “Nó có thể so sánh với cuộc cách mạng công nghiệp. Tuy nhiên, thay vì vượt qua sức mạnh của con người, nó sẽ vượt qua trí tuệ của chúng ta. Chúng ta chưa có kinh nghiệm trong việc sống và làm việc với những thứ thông minh hơn mình.” Ngoài việc “nâng cao năng suất lao động một cách đáng kể”, tiến sỹ Hinton cũng nhấn mạnh mối nguy tiềm tàng của AI đối với con người: “Chúng ta vẫn cần lo lắng về những hệ lụy xấu có thể xảy ra, đặc biệt là khi công nghệ này vượt quá tầm kiểm soát của con người.”
Giáo sư John Joseph Hopfield, sinh ngày 15/7/1933, được biết đến là cha đẻ của Hopfield network, cho phép máy tính ghi nhớ dữ liệu và thông tin.
Sau khi nhận bằng tiến sĩ vật lý năm 1958, ông làm việc tại Bell Laboratories trong hai năm để nghiên cứu lý thuyết, sau đó trở thành giảng viên tại nhiều trường đại học, từ Berkeley, California đến Princeton và Caltech. Năm 1986, ông đồng sáng lập chương trình tiến sĩ về hệ thống điện toán và neural network tại Caltech.
Giáo sư Geoffrey Hinton, một người Anh sống và làm việc tại Mỹ, là một nhà khoa học với tầm nhìn xa về trí thông minh nhân tạo. Sau khi tốt nghiệp đại học Edinburgh năm 1972, ông đã bắt đầu phát triển ý tưởng về neural network, một hệ thống toán học có khả năng học hỏi từ dữ liệu. Thời điểm đó, khi công nghệ pin lithium-ion còn mới mẻ, rất ít người tin tưởng vào ý tưởng này.
Năm 2012, giáo sư Hinton cùng hai nghiên cứu sinh tại đại học Toronto đã phát triển công nghệ cho phép deep learning và neural network “học” kiến thức từ hàng nghìn hình ảnh, giúp máy móc nhận diện các vật thể như hoa, táo, ô tô với độ chính xác ấn tượng.
Khi đó, giáo sư Hinton cùng hai nghiên cứu sinh, Ilya Sutskever và Alex Krishevsky, đã tạo ra một neural network có khả năng phân tích hàng nghìn bức ảnh để tự học về các vật thể phổ biến. Công ty mà họ thành lập sau đó đã được Google mua lại với giá 44 triệu USD. Công nghệ mà ba người phát triển trở thành nền tảng cho các sản phẩm như , Google Bard, Midjourney và Stable Diffusion.
Năm 2018, giáo sư Hinton cùng hai cộng sự lâu năm đã được trao giải Turing, giải thưởng được xem là Nobel trong lĩnh vực khoa học máy tính.
