Hopfield e Hinton: i pionieri delle reti neurali e dell’AI premiati con il Nobel per la fisica

Il premio Nobel per la fisica 2024 va allo studioso americano John Hopfield e al canadese Geoffrey Hinton per le scoperte che hanno aperto la strada alla realizzazione delle reti neurali e gettato le basi per il machine learning e l’Ai. Un segno dei tempi perché hanno premiato una delle tecnologie che è alla base dell’intelligenza artificiale.

«I due premi Nobel per la fisica di quest’anno hanno utilizzato gli strumenti della fisica per sviluppare metodi che sono alla base del potente apprendimento automatico di oggi», ha dichiarato il comitato del Nobel in un comunicato stampa. Hopfield svolge le sue ricerche presso l’Università di Princeton, mentre Hinton lavora presso l’Università di Toronto.

Le reti neurali artificiali sono modelli di machine learning ispirati al funzionamento del cervello umano. Sono formate da nodi interconnessi, simili ai neuroni biologici, organizzati in strati. Ogni strato elabora i dati e passa le informazioni allo strato successivo, permettendo alla rete di apprendere modelli complessi dai dati forniti. Le reti neurali vengono utilizzate per risolvere problemi come il riconoscimento di immagini, il riconoscimento vocale, la traduzione automatica e molti altri ambiti dell’intelligenza artificiale. Sono alla base della capacità dei software di apprendere e hanno contribuito alla nascita dei trasformer che sono l’architettura alla base di ChatGpt e di quella che viene definita l’intelligenza artificiale generativa.

Il fisico e biologo John Hopfield con i suoi studi ha contribuito allo sviluppo del modello di rete neurale di Hopfield negli anni ’80, che ha avuto un impatto fondamentale nell’ambito dell’intelligenza artificiale e del machine learning. Questo modello ha dimostrato come le reti neurali possano immagazzinare e recuperare informazioni, simile alla memoria associativa del cervello. Sostanzialmente ha creato una una memoria associativa in grado di archiviare e ricostruire immagini e altri tipi di pattern nei dati.

Geoffrey Hinton, è stato definito il “padrino del deep learning”. È uno degli sviluppatori dell’algoritmo di backpropagation, un metodo essenziale per l’addestramento delle reti neurali che ha permesso significativi progressi nel machine learning. Hinton ha lavorato anche sull’apprendimento delle word embeddings, una tecnica chiave per migliorare la comprensione del linguaggio naturale da parte delle macchine.