Prêmio Nobel de Física vai para cientistas que viabilizaram a inteligência artificial

John Hopfield (norte-americano nascido em 1933) e Geoffrey Hinton (inglês nascido em 1947) são os dois ganhadores do Prêmio Nobel de Física deste ano. Eles usaram ferramentas da física para desenvolver métodos que são a base do poderoso aprendizado de máquina de hoje. O primeiro criou uma memória associativa que pode armazenar e reconstruir imagens e outros tipos de padrões em dados. O segundo inventou um método que pode encontrar propriedades em dados de forma autônoma e, assim, executar tarefas como identificar elementos específicos em imagens.

Quando falamos sobre inteligência artificial, geralmente queremos dizer aprendizado de máquina usando redes neurais artificiais. Essa tecnologia foi originalmente inspirada pela estrutura do cérebro. Em uma rede neural artificial, os neurônios do cérebro são representados por nós que têm valores diferentes. Esses nós influenciam uns aos outros por meio de conexões que podem ser comparadas a sinapses e que podem ser fortalecidas ou enfraquecidas. A rede é treinada, por exemplo, desenvolvendo conexões mais fortes entre nós com valores simultaneamente altos. Os laureados deste ano conduziram um trabalho importante com redes neurais artificiais a partir da década de 1980.

John Hopfield inventou uma rede que usa um método para salvar e recriar padrões. Podemos imaginar os nós como pixels. A rede Hopfield utiliza física que descreve as características de um material devido ao seu spin atômico – uma propriedade que torna cada átomo um pequeno ímã. A rede como um todo é descrita de uma maneira equivalente à energia no sistema de spin encontrado na física, e é treinada encontrando valores para as conexões entre os nós para que as imagens salvas tenham baixa energia. Quando a rede Hopfield é alimentada com uma imagem distorcida ou incompleta, ela trabalha metodicamente através dos nós e atualiza seus valores para que a energia da rede caia. A rede, portanto, trabalha passo a passo para encontrar a imagem salva que é mais parecida com a imperfeita com a qual foi alimentada.

Geoffrey Hinton usou a rede Hopfield como base para uma nova rede que usa um método diferente: a máquina de Boltzmann. Ela pode aprender a reconhecer elementos característicos em um determinado tipo de dado. Hinton usou ferramentas da física estatística, a ciência dos sistemas construídos a partir de muitos componentes semelhantes. A máquina é treinada alimentando-a com exemplos que provavelmente surgirão quando a máquina for executada. A máquina de Boltzmann pode ser usada para classificar imagens ou criar novos exemplos do tipo de padrão no qual foi treinada. Hinton construiu sobre esse trabalho, ajudando a iniciar o atual desenvolvimento explosivo do aprendizado de máquina.

“O trabalho dos laureados já foi do maior benefício. Na física, usamos redes neurais artificiais em uma vasta gama de áreas, como o desenvolvimento de novos materiais com propriedades específicas”, diz Ellen Moons, presidente do Comitê Nobel de Física.