Episode 3058 - October 17 - Công nghệ Thông tin – Ngày 16 tháng 10, 2024 - Vina Technology at AI time - Lê Quang Văn | Podcast - Nhac.vn

Công nghệ Thông tin – Ngày 16 tháng 10, 2024

1 - Làm thế nào một lĩnh vực con của vật lý dẫn đến những đột phá trong AI - và từ đó đến giải thưởng Nobel 2024.

Veera Sundararaghavan, Giáo sư Kỹ thuật Hàng không Vũ trụ, Đại học Michigan. The Conversation. Ngày 9 tháng 10, 2024. Lê Quang Văn dịch, giải thích và thực hiện phần kỹ thuật số.

John J. Hopfield và Geoffrey E. Hinton đã nhận giải Nobel vật lý vào ngày 8 tháng 10 năm 2024, cho nghiên cứu về các thuật toán học máy và mạng thần kinh giúp máy tính học hỏi. Công việc của họ là nền tảng trong việc phát triển các lý thuyết mạng thần kinh làm nền tảng cho trí tuệ nhân tạo tạo sinh.

Mạng lưới thần kinh là một mô hình tính toán bao gồm các lớp tế bào thần kinh được liên kết với nhau. Giống như các tế bào thần kinh trong não của bạn, các tế bào thần kinh này xử lý và gửi cùng một phần thông tin. Mỗi lớp thần kinh nhận một phần dữ liệu, xử lý nó và chuyển kết quả sang lớp tiếp theo. Đến cuối chuỗi, mạng đã xử lý và tinh chỉnh dữ liệu thành một thứ gì đó hữu ích hơn.

Mặc dù có vẻ đáng ngạc nhiên khi Hopfield và Hinton nhận được giải thưởng vật lý cho những đóng góp của họ cho mạng lưới thần kinh, được sử dụng trong khoa học máy tính, công việc của họ bắt nguồn sâu sắc từ các nguyên tắc vật lý, đặc biệt là một lĩnh vực con gọi là cơ học thống kê.

Là một nhà khoa học vật liệu tính toán, tôi rất vui mừng khi thấy lĩnh vực nghiên cứu này được công nhận với giải thưởng. Công việc của Hopfield và Hinton đã cho phép các đồng nghiệp của tôi và tôi nghiên cứu một quá trình gọi là học tập tổng quát cho khoa học vật liệu, một phương pháp đứng sau nhiều công nghệ phổ biến như ChatGPT.

Cơ học thống kê là gì?

Cơ học thống kê là một nhánh của vật lý sử dụng các phương pháp thống kê để giải thích hành vi của các hệ thống được tạo thành từ một số lượng lớn các hạt.

Thay vì tập trung vào các hạt riêng lẻ, các nhà nghiên cứu sử dụng cơ học thống kê xem xét hành vi tập thể của nhiều hạt. Xem cách tất cả chúng hoạt động cùng nhau giúp các nhà nghiên cứu hiểu được các tính chất vĩ mô quy mô lớn của hệ thống như nhiệt độ, áp suất và từ hóa.

Ví dụ, nhà vật lý Ernst Ising đã phát triển một mô hình cơ học thống kê cho từ tính vào những năm 1920. Ising tưởng tượng từ tính là hành vi tập thể của các spin nguyên tử tương tác với các spin nguyên tử láng giềng của chúng.

Trong mô hình của Ising, có các trạng thái năng lượng cao hơn và thấp hơn cho hệ thống, và vật liệu có nhiều khả năng tồn tại ở trạng thái năng lượng thấp nhất.

Một ý tưởng quan trọng trong cơ học thống kê là phân phối Boltzmann, định lượng khả năng của một trạng thái nhất định. Phân phối này mô tả xác suất của một hệ thống ở một trạng thái cụ thể - như rắn, lỏng hoặc khí - dựa trên năng lượng và nhiệt độ của nó.

Ising dự đoán chính xác sự chuyển pha của một nam châm bằng cách sử dụng phân phối Boltzmann. Ông đã tìm ra nhiệt độ mà vật liệu thay đổi từ từ tính sang không từ tính.

Thay đổi pha xảy ra ở nhiệt độ có thể dự đoán được. Băng tan thành nước ở một nhiệt độ cụ thể vì phân bố Boltzmann dự đoán rằng khi trời ấm, các phân tử nước có nhiều khả năng ở trạng thái rối loạn - hoặc lỏng.

Trong vật liệu, các nguyên tử tự sắp xếp thành các cấu trúc tinh thể cụ thể sử dụng lượng năng lượng thấp nhất. Khi trời lạnh, các phân tử nước đóng băng thành các tinh thể băng có trạng thái năng lượng thấp

Tương tự, trong sinh học, protein gấp lại thành các hình dạng năng lượng thấp, cho phép chúng hoạt động như các kháng thể đặc hiệu - như khóa và chìa khóa - nhắm vào virus.

Mạng lưới thần kinh và cơ học thống kê

Về cơ bản, tất cả các mạng lưới thần kinh hoạt động theo một nguyên tắc tương tự - để giảm thiểu năng lượng. Mạng nơ-ron sử dụng nguyên tắc này để giải quyết các vấn đề máy tính

Ví dụ: hãy tưởng tượng một hình ảnh được tạo thành từ các pixel mà bạn chỉ có thể nhìn thấy một phần của hình ảnh. Một số pixel có thể nhìn thấy, trong khi phần còn lại bị ẩn. Để xác định hình ảnh là gì, bạn xem xét tất cả các cách có thể mà các pixel ẩn có thể khớp với các mảnh