Physik-Nobelpreis: Ehrung für zwei KI-Grundlagenforscher

Der Nobelpreis für Physik ging dieses Jahr an den US-Amerikaner John Hopfield und den britisch-kanadischen Forscher Geoffrey Hinton. Ausgezeichnet wurden die beiden Forscher für ihre grundlegenden Beiträge und Erfindungen im Bereich maschinelles Lernen.

Zwei Forscher legen einen Grundstein für KI

Während es sich bei John Hopfield um einen Physiker und Molekularbiologen handelt, ist Geoffrey Hinton Informatiker und Kognitionspsychologe. Hinton hat bis 2023 bei Google gearbeitet und bei seiner Kündigung für Aufsehen gesorgt, weil er öffentlich davor warnte, dass künstliche Intelligenz „ernste Risiken für Gesellschaft und Menschheit“ mit sich bringt.

Nun wurde der 76-jährige Hinton gemeinsam mit dem 91-jährigen Hopfield für Errungenschaften im Bereich maschinelles Lernen geehrt. Die beiden Forscher hätten, so das Nobelpreis-Komitee, Werkzeuge der Physik genutzt, um den Grundstein für das heutige maschinelle Lernen zu legen. „Das maschinelle Lernen auf der Grundlage künstlicher neuronaler Netze revolutioniert derzeit die Wissenschaft, die Technik und das tägliche Leben“, schreibt das Komitee.

John Hopfield erfand ein Netzwerk, das nach ihm benannt wurde und eine Methode zum Speichern und Wiederherstellen von Mustern verwendet. Geoffrey Hinton, der unter anderem von der New York Times wiederholt als „Godfather of AI“ bezeichnet wurde, nutzte dieses Hopfield-Netzwerk dann als Grundlage für ein weiteres Netzwerk, die sogenannte Boltzmann-Maschine. Diese ist in der Lage, charakteristische Elemente in einer bestimmten Art von Daten zu erkennen.

Maschinelles Lernen ist allgegenwärtig

Die Arbeit von Hopfield und Hinton begann bereits in den 1980er-Jahren und demonstrierte, wie Programme, die neuronale Netze einsetzen, die Grundlage für einen ganzen Forschungsbereich bilden können. Sie legten einen entscheidenden Grundstein für künstliche Intelligenz wie sie uns heute in Form von ChatGPT, Gesichtserkennungssoftware oder Übersetzungssoftware begegnet. Die künstlichen neuronalen Netzwerke werden in zahlreichen Fachrichtungen eingesetzt, darunter Physik, Chemie und Medizin. Heute wird maschinelles Lernen etwa eingesetzt, um das Falten von Proteinen zu simulieren oder die Eigenschaften von Molekülen und Materialien vorherzusagen.

via nobelprize.org