John Hopfield und Geoffrey Hinton erhalten die höchste Auszeichnung der Physik für ihre grundlegenden Beiträge zu künstlichen neuronalen Netzen. Ihre Arbeiten bilden das Fundament moderner KI-Systeme.
Der Nobelpreis für Physik 2024 wird an John Hopfield und Geoffrey Hinton für ihre wegweisenden Entdeckungen im Bereich des maschinellen Lernens mit künstlichen neuronalen Netzen verliehen. Das Nobelkomitee würdigt die beiden Wissenschaftler "für grundlegende Entdeckungen und Erfindungen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen".
Hopfield entwickelte ein assoziatives Gedächtnis, das Muster in Daten speichern und rekonstruieren kann. Hinton erfand eine Methode, um autonom Eigenschaften in Daten zu erkennen. Beide Forscher nutzten dabei Konzepte aus der Physik: Hopfields Netzwerk basiert auf der Physik zur Beschreibung von Materialeigenschaften aufgrund atomarer Spins, Hintons Boltzmann-Maschine verwendet Ansätze aus der statistischen Physik.
Laut Nobelkomitee bilden die Arbeiten von Hopfield und Hinton das Fundament für die heutige leistungsfähige künstliche Intelligenz. Ihre Erkenntnisse finden bereits vielfältige Anwendung in der Physik, etwa bei der Entwicklung neuer Materialien.
Die Preisträger teilen sich ein Preisgeld von 11 Millionen Schwedischen Kronen.
Hinton bereits 2019 mit Turing Award ausgezeichnet
Für Geoffrey Hinton ist der Nobelpreis die zweite hochrangige Auszeichnung innerhalb weniger Jahre. Im März 2019 erhielt er gemeinsam mit Yann LeCun und Yoshua Bengio den Turing Award, die höchste Auszeichnung in der Informatik. Der mit einer Million US-Dollar dotierte Preis würdigte die Verdienste der drei Forscher beim Deep Learning, der derzeit dominanten KI-Rechenmethode.
Hinton, LeCun und Bengio hielten an der Deep-Learning-Methode fest, als andere Wissenschaftler den Glauben daran bereits verloren hatten. Ihre Beharrlichkeit zahlte sich aus: Die enormen KI-Fortschritte der letzten Jahre, etwa bei der Sprachverarbeitung sowie der automatisierten Bilderkennung und -generierung, basieren auf Deep Learning in Kombination mit leistungsfähigeren Rechnern und großen Datenmengen.
Ein Wendepunkt für Deep Learning war das Jahr 2012, als ein von Hinton mitentwickeltes Deep-Learning-Netzwerk den Bilderkennungstest Imagenet um 41 Prozent besser bestand als alle konkurrierenden Verfahren. Seit diesem "Imagenet-Moment" hat sich Deep Learning zur vorherrschenden KI-Berechnungsmethode entwickelt.
