منح جائزة نوبل في الفيزياء لجيفري هينتون وجون هوبفيلد تقديراً لإسهاماتهما في تطوير تقنيات التعلم الآلي

أعلنت لجنة نوبل منح جائزة نوبل في الفيزياء لعام 2024 إلى كل من البريطاني الكندي جيفري هينتون، والأميركي جون هوبفيلد، تقديراً لإسهاماتهما الأساسية في تطوير تقنيات التعلم الآلي، التي أرست دعائم الشبكات العصبية الاصطناعية، وهي التقنية التي أحدثت ثورة في علم الذكاء الاصطناعي.
وقالت الأكاديمية الملكية السويدية للعلوم في بيان إن "هوبفيلد، وهينتون"، استفادا من أدوات مستمدة من علم الفيزياء في لبناء نماذج قادرة على معالجة البيانات، وتحليلها بشكل يجعل الحواسيب قادرة على تعلم أنماط جديدة، بدون الحاجة إلى برمجة دقيقة لكل خطوة.

وأضافت: "الحائزين على جائزة نوبل في الفيزياء هذا العام استخدما أدوات من الفيزياء لتطوير أساليب تشكل أساس التعلم الآلي القوي اليوم.. التعلم الآلي المستند إلى الشبكات العصبية الاصطناعية يُحدث في الوقت الراهن ثورة في العلوم والهندسة والحياة اليومية".
وعبرت إيلين مونز، رئيسة اللجنة المانحة لجائزة نوبل في الفيزياء، عن مخاوف متعلقة بسرعة التطور التكنولوجي قائلة: "على الرغم من أن التعلم الآلي له فوائد هائلة، فإن تطوره السريع أثار أيضاً مخاوف بشأن مستقبلنا.. يتحمل البشر مجتمعين مسؤولية استخدام هذه التكنولوجيا الجديدة بطريقة آمنة وأخلاقية، بما يحقق أكبر فائدة للبشرية".

جيفري هينتون عالم حاسوب بريطاني-كندي وعالم نفس معرفي، ويُعتبر من أبرز الشخصيات في مجال الذكاء الاصطناعي، ويُلقب بـ"عرّاب الذكاء الاصطناعي".
وُلد هينتون في 6 ديسمبر 1947، واشتهر بعمله على الشبكات العصبية الاصطناعية، وهي التكنولوجيا التي شكَّلت أساسات التعلم العميق، وهو فرع من الذكاء الاصطناعي.
أما جون جوزيف هوبفيلد فهو عالم أميركي شهير يعمل في مجال الشبكات العصبية الاصطناعية، ويُعرف بشكل خاص بابتكاره "شبكة هوبفيلد"، وهي نموذج عصبي قدَّمه عام 1982، والذي أصبح فيما بعد من أهم الأسس النظرية في مجالات الذكاء الاصطناعي، والتعلم العميق.
نوبل في الفيزياء والذكاء الاصطناعي
وبينما أصبح بديهياً لكثير من الناس، قدرة الحواسيب على ترجمة اللغات، وتفسير الصور، بل وحتى إجراء محادثات منطقية، لا يعرف كثيرون أن هذه التقنية كانت وما زالت مهمة في مجال الأبحاث العلمية؛ إذ ساهمت في تحليل كميات هائلة من البيانات بعد أن تطور التعلم الآلي، بشكل هائل، على مدار العقدين الماضيين.
واستند هذا التطور إلى هياكل تُعرف بالشبكات العصبية الاصطناعية، وهي التقنية التي أصبحت جزءاً من الذكاء الاصطناعي كما نعرفه اليوم؛ فعلى الرغم من أن الحواسيب لا تفكر مثل البشر، إلا أن الآلات الآن باتت قادرة على محاكاة وظائف مثل الذاكرة، والتعلم.

وساهم الفائزان بجائزة نوبل هذا العام في الفيزياء في تحقيق هذا الإنجاز من خلال تطبيق مفاهيم أساسية من الفيزياء لتطوير تقنيات تستخدم هياكل شبكية لمعالجة المعلومات، وتعمل تلك الشبكات على معالجة المعلومات عبر هيكل شبكي بالكامل، مستوحى من فهم العلماء لطريقة عمل الدماغ.
في الأربعينيات من القرن العشرين، بدأ الباحثون في استكشاف الرياضيات التي تشرح شبكة الخلايا العصبية والروابط بينهما، واستفاد هذا المجال من فرضية وضعها عالم الأعصاب دونالد هيب، والتي تفترض أن التعلم يحدث عندما تتقوى الروابط بين الخلايا العصبية عند عملها معاً.
وفي السبعينيات والثمانينيات، شهدت الشبكات العصبية الاصطناعية تطوراً كبيراً مع تقديم إسهامات مهمة من قبل جون هوبفيلد، وجيفري هينتون، الذين استخدما الفيزياء لتطوير نماذج يمكنها استرجاع المعلومات وتفسيرها.

ففي عام 1982، قدَّم جون هوبفيلد مفهوم "ذاكرة الترابط"، وهو نموذج لشبكة عصبية قادرة على تخزين الأنماط واسترجاعها، فعندما يتم تقديم نمط غير مكتمل، أو مشوّه إلى الشبكة، يمكنها التعرف على النمط الأقرب المخزن واستعادته، وهذا النظام يشبه كيفية بحث العقل عن كلمة معينة، حيث تقوم الشبكة بتكرار العملية حتى تصل إلى النتيجة الصحيحة.
واستفاد هوبفيلد من معرفته بالفيزياء لتطوير هذا النموذج، إذ استند إلى فكرة من الفيزياء المتعلقة بالمواد المغناطيسية التي تُظهر خصائص خاصة بناءً على تأثيرات دوران الذرات. وبنى شبكة تحتوي على عقد متصلة ببعضها البعض بقيم مختلفة، حيث تخزن هذه العقد معلومات تُستخدم لاسترجاع الأنماط لاحقاً.
وبينما ركَّز هوبفيلد على تخزين واسترجاع الأنماط، ركَّز جيفري هينتون على فهم كيفية تفسير المعلومات وتصنيفها.

استند هينتون إلى أفكار من الفيزياء الإحصائية لبناء "آلة بولتزمان" (Boltzmann Machine)، وهي شبكة عصبية تستخدم معادلة بولتزمان لحساب احتمالات الأنماط المختلفة في الشبكة، ويمكِّن هذا النموذج الآلة من التعلم من الأمثلة التي تُعرض عليها، دون الحاجة إلى تعليمات واضحة، مما يجعلها قادرة على التعرف على أنماط جديدة بناءً على ما تعلمته.
ومنذ ثمانينيات القرن الماضي، ساهمت أبحاث هوبفيلد، وهينتون في تمهيد الطريق للثورة الحالية في التعلم الآلي.
وقد أدى التطور السريع في الحوسبة، وتوفر كميات ضخمة من البيانات إلى بروز "الشبكات العصبية العميقة" التي تتكون من عدة طبقات تُستخدم في التعلم العميق.
تستخدم هذه الشبكات العصبية في مجالات واسعة تشمل الذكاء الاصطناعي، والبحث العلمي، والطب، وحتى تحسين التجارب الترفيهية من خلال اقتراحات الأفلام والموسيقى.

تلقى هينتون تعليمه في "كلية كينجز" بجامعة كامبريدج، حيث حصل على درجة البكالوريوس في علم النفس التجريبي عام 1970، وبعد ذلك تابع دراساته العليا في الذكاء الاصطناعي بجامعة إدنبرة، حيث حصل على درجة الدكتوراه عام 1978.
بدأ مسيرته الأكاديمية في عدد من الجامعات قبل أن ينضم إلى جامعة تورنتو، ويصبح أحد الأعضاء الأساسيين في معهد "فيكتور" للذكاء الاصطناعي.
في بداية مسيرته البحثية، شارك هينتون في نشر ورقة بحثية عام 1986 مع كل من ديفيد روميلهارت ورونالد ويليامز، إذ ساهموا في تعزيز استخدام خوارزمية "التغذية العكسية" لتدريب الشبكات العصبية متعددة الطبقات، ورغم أنهم لم يكونوا أول من اقترح هذه الخوارزمية، إلا أن عملهم ساعد بشكل كبير، في نشر هذه التقنية وتطويرها، وأصبحت حجر الزاوية في التعلم العميق.

جيفري هينتون عالم حاسوب بريطاني-كندي وعالم نفس معرفي، ويُعتبر من أبرز الشخصيات في مجال الذكاء الاصطناعي، ويُلقب بـ"عرّاب الذكاء الاصطناعي".
وُلد هينتون في 6 ديسمبر 1947، واشتهر بعمله على الشبكات العصبية الاصطناعية، وهي التكنولوجيا التي شكَّلت أساسات التعلم العميق، وهو فرع من الذكاء الاصطناعي.
أما جون جوزيف هوبفيلد فهو عالم أميركي شهير يعمل في مجال الشبكات العصبية الاصطناعية، ويُعرف بشكل خاص بابتكاره "شبكة هوبفيلد"، وهي نموذج عصبي قدَّمه عام 1982، والذي أصبح فيما بعد من أهم الأسس النظرية في مجالات الذكاء الاصطناعي، والتعلم العميق.

وبينما أصبح بديهياً لكثير من الناس، قدرة الحواسيب على ترجمة اللغات، وتفسير الصور، بل وحتى إجراء محادثات منطقية، لا يعرف كثيرون أن هذه التقنية كانت وما زالت مهمة في مجال الأبحاث العلمية؛ إذ ساهمت في تحليل كميات هائلة من البيانات بعد أن تطور التعلم الآلي، بشكل هائل، على مدار العقدين الماضيين.
واستند هذا التطور إلى هياكل تُعرف بالشبكات العصبية الاصطناعية، وهي التقنية التي أصبحت جزءاً من الذكاء الاصطناعي كما نعرفه اليوم؛ فعلى الرغم من أن الحواسيب لا تفكر مثل البشر، إلا أن الآلات الآن باتت قادرة على محاكاة وظائف مثل الذاكرة، والتعلم.

وساهم الفائزان بجائزة نوبل هذا العام في الفيزياء في تحقيق هذا الإنجاز من خلال تطبيق مفاهيم أساسية من الفيزياء لتطوير تقنيات تستخدم هياكل شبكية لمعالجة المعلومات، وتعمل تلك الشبكات على معالجة المعلومات عبر هيكل شبكي بالكامل، مستوحى من فهم العلماء لطريقة عمل الدماغ.
في الأربعينيات من القرن العشرين، بدأ الباحثون في استكشاف الرياضيات التي تشرح شبكة الخلايا العصبية والروابط بينهما، واستفاد هذا المجال من فرضية وضعها عالم الأعصاب دونالد هيب، والتي تفترض أن التعلم يحدث عندما تتقوى الروابط بين الخلايا العصبية عند عملها معاً.
وفي السبعينيات والثمانينيات، شهدت الشبكات العصبية الاصطناعية تطوراً كبيراً مع تقديم إسهامات مهمة من قبل جون هوبفيلد، وجيفري هينتون، الذين استخدما الفيزياء لتطوير نماذج يمكنها استرجاع المعلومات وتفسيرها.

في عام 2012، شهد هينتون لحظة فارقة في مسيرته عندما حقق طلابه إنجازاً كبيراً في تحدي "ImageNet" باستخدام نموذج "AlexNet"، مما أدى إلى تقدم هائل في مجال رؤية الكمبيوتر، ومنذ ذلك الحين أصبح التعلم العميق جزءاً لا يتجزأ من تقنيات الذكاء الاصطناعي الحديثة، وخاصة في مجالات مثل التعرف على الصور، ومعالجة اللغة الطبيعية.
خلال الفترة من 2013 إلى 2023، عمل هينتون، بشكل مشترك، مع شركة جوجل، وجامعة تورنتو، وشارك في مبادرة "جوجل برين" التي تهدف إلى تطوير تقنيات الذكاء الاصطناعي.
ومع ذلك، في مايو 2023، أعلن هينتون استقالته من جوجل؛ بسبب مخاوفه المتعلقة بالمخاطر المحتملة للذكاء الاصطناعي، وأعرب عن قلقه من إساءة استخدام هذه التكنولوجيا من قبل جهات خبيثة، بالإضافة إلى المخاوف من تأثيرات الذكاء الاصطناعي العام على البشر، وسوق العمل.

على مر السنين، قدَّم هينتون العديد من الابتكارات في مجال الشبكات العصبية، بما في ذلك تحسينات تتعلق بـ"آلات بولتزمان"، و"آلات هيلمهولتز"، وفي عام 2022، قدم خوارزمية جديدة أسماها "التغذية الأمامية"، بهدف تحسين عمليات التعلم في الشبكات العصبية.
حصل هينتون على العديد من الجوائز والتكريمات على مدى مسيرته الطويلة؛ ففي عام 2018، حصل على جائزة "تورنغ" (Turing Award)، التي تُعتبر بمثابة "جائزة نوبل للحوسبة"، بالمشاركة مع يوشوا بنجيو ويان ليكون، تقديراً لإسهاماتهم في تطوير التعلم العميق.
وفي السنوات الأخيرة، عبَّر هينتون عن قلقه من التقدم السريع للذكاء الاصطناعي، إذ يعتقد أن الذكاء الاصطناعي العام قد يشكل تهديداً وجودياً للبشرية إذا لم يتم تنظيمه بشكل صحيح.
كما أشار إلى أن الذكاء الاصطناعي قد يؤدي إلى اضطرابات كبيرة في سوق العمل، ويزيد من التفاوت الاقتصادي ما لم تتدخل الحكومات.

ولد جون جوزيف هوبفيلد في عام 1933 لأسرة علمية متميزة، والده الفيزيائي البولندي جون جوزيف هوبفيلد، ووالدته الفيزيائية هيلين هوبفيلد، التي كانت الزوجة الثانية لوالده، ولهوبفيلد ثلاثة أبناء، وستة أحفاد.
حصل هوبفيلد على درجة البكالوريوس من كلية سوارثمور في عام 1954، ثم أكمل دراسته بحصوله على درجة الدكتوراه في الفيزياء من جامعة كورنيل عام 1958.
بدأ مسيرته العلمية بالعمل لمدة عامين في مختبرات بيل الشهيرة، قبل أن ينتقل إلى الأوساط الأكاديمية، وشغل مناصب مختلفة في جامعات بارزة مثل جامعة كاليفورنيا في بيركلي، وجامعة برنستون، ومعهد كاليفورنيا للتكنولوجيا.
وفي عام 1986، شارك في تأسيس برنامج الدكتوراه في الحوسبة والأنظمة العصبية بمعهد كالتيك، ليواصل بذلك تقديم إسهامات متعددة في مجالات التقاطع بين الفيزياء، والأحياء، والذكاء الاصطناعي.
تعد إسهامات هوبفيلد العلمية متعددة المجالات، إذ ساهم في تطوير نماذج فيزيائية وبيولوجية وأخرى تتعلق بالشبكات العصبية.
من بين أبرز إنجازاته تقديم نموذج رياضي للشبكات العصبية الاصطناعية، باسم "شبكة هوبفيلد"، يعتمد على ذاكرة ترابطية، وقد لقي هذا النموذج اهتماماً كبيراً في مجالات الحوسبة العصبية، والذكاء الاصطناعي.
وفي عام 1974، قدَّم هوبفيلد نموذجاً ميكانيكياً لوصف عملية نقل الإلكترونات بين الجزيئات البيولوجية، وهو نموذج يستخدم في فهم التحولات الكمية في الأحياء، كما قدَّم آلية 1974 لتقليل الأخطاء في العمليات البيولوجية المعقدة التي تتطلب دقة عالية، مثل تصنيع البروتينات.
وتعد أبحاث هوبفيلد أساساً للكثير من التطبيقات الحالية في الذكاء الاصطناعي، إذ يعتبر نموذج "شبكة هوبفيلد" مرجعاً مهماً في تطوير الخوارزميات العصبية، كما أن أبحاثه البيولوجية وفَّرت رؤى جديدة حول كيفية استخدام الآليات الفيزيائية في العمليات الحيوية، مما ساهم في تطوير مجالات مثل الكيمياء الحيوية.

قد يهمك أيضــــــــــــــا

وزارة الثقافة السعودية تحصد وسام أخلاقيات الذكاء الاصطناعي 2024

معهد طوني بلير للأبحاث يحث على استخدام الذكاء الاصطناعي من أجل إصلاح جذري للتخطيط