English
Swedish

Presentationstal av Professor Ellen Moons, ledamot av Kungliga Vetenskapsakademien, ordförande i Nobelkommittén för fysik, 10 december 2024.

Eders Majestäter, Eders Kungliga Högheter, Ärade Nobelpristagare, Mina damer och herrar,

När ni kom hit idag kände ni genast igen vissa ansikten och namnen kom till er blixtsnabbt. Andra namn kan ha ramlat ur minnet. Kanske kände ni ett sting av frustration när ni sökte i minnet efter omständigheterna kring tidigare möten som bara inte ville klarna.

Minnesassociationer fungerar som en stomme för att förstå ny information. För varje tanke utvecklas starkare kopplingar mellan de miljarder nervceller som finns i vår hjärna. År 1949 sa den kanadensiske psykologen Donald Hebb att “neuroner som avfyras tillsammans, kopplas samman” för att beskriva mekanismen för inlärning.

Årets Nobelpristagare i fysik, John Hopfield och Geoffrey Hinton, inspirerades av neuronnätverket i den mänskliga hjärnan. De har utvecklat artificiella neurala nätverk som är grundläggande för maskininlärning, som möjliggör att datorer lär sig utan explicit programmering.

1982 upptäckte John Hopfield att fysiken som beskriver hur atomers magnetiska moment anpassar sig till varandra i fasta material och ger dem deras magnetiska egenskaper, också kan användas för att beskriva interaktionerna mellan neuroner i våra hjärnor. Han utvecklade en dynamisk modell för ett associativt minne, baserat på nätverk av binära noder, där noder tilldelades värden som bestämdes av en viktad summa över alla noder.

Likt en boll som rullar nedför en kulle, driver dynamiken systemet till energilandskapets dalar, där det hamnar i viloläge. I dessa dalar befinner sig minnena som stationära tillstånd. Så där hittar du också namnet på den personen du sökte efter i ditt minneslandskap!

Som teoretisk fysiker med djupa rötter i fasta tillståndets fysik och en passion för komplexa processer inom biofysik och neurovetenskap, vittnar John Hopfields prestationer om kraften i tvärvetenskapligt tänkande.

Geoffrey Hinton utvidgade Hopfields modell med hjälp av idéer från statistisk fysik. Uppfinningen kallas Boltzmannmaskinen, uppkallad efter den österrikiske fysikern Ludwig Boltzmann. Den innehåller flera lager av noder och tränas på givna uppsättningar av mönster. När nätverket väl har tränats kan det generera nya mönster som liknar dem i den inlärda uppsättningen.

Geoffrey Hinton är en ledande person inom utvecklingen av effektiva inlärningsalgoritmer. Han var pionjär i arbetet med att etablera djupa och täta neurala nätverk. Sådana nätverk är effektiva när det gäller att sortera och tolka stora mängder data och förbättrar sig själva baserat på resultatets noggrannhet.

Idag är artificiella neurala nätverk kraftfulla verktyg inom forskningsområden som omfattar fysik, kemi och medicin, liksom i det dagliga livet. De kan hjälpa människor att leverera snabba svar, men det är fortfarande vårt gemensamma ansvar att säkerställa att de används på ett säkert och etiskt sätt.

Professor John Hopfield och professor Geoffrey Hinton, ni har tilldelats Nobelpriset i fysik 2024 “för grundläggande upptäckter och uppfinningar som möjliggör maskininlärning med artificiella neurala nätverk”. Det är en ära och ett privilegium att å Kungliga Vetenskapsakademiens vägnar få framföra våra varmaste gratulationer till er.

Jag ber er nu att träda fram för att ta emot era Nobelpris ur Hans Majestät Konungens hand.

Copyright © The Nobel Foundation 2024