2024年ノーベル物理学賞 | AI・機械学習分野の業績で2人の科学者にノーベル物理学賞

6,983 文字

はい、私はハンス・エディンいう者です。王立スウェーデン科学アカデミーの事務総長を務めております。
右におりますんが、エレン・モンス教授です。ノーベル物理学賞委員会の委員長をしておられます。
左におりますんが、アンデス・エベック教授です。ノーベル物理学賞委員会のメンバーで、この分野の専門家でもあります。
今年の賞は、学習する機械についてのもんです。
受賞者は、ジョン・ホップフィールド氏、アメリカのプリンストン大学の方と、ジェフリー・ヒントン氏、カナダのトロント大学の方です。
王立スウェーデン科学アカデミーは本日、2024年のノーベル物理学賞を、プリンストン大学のジョン・ホップフィールド氏とトロント大学のジェフリー・ヒントン氏に授与することを決定しました。
理由は「人工ニューラルネットワークを用いた機械学習を可能にする基礎的発見と発明」によるものです。
エレン・モンス教授から、この賞の概要について簡単に説明していただきます。よろしくお願いします。
ありがとうございます。学習というのは、人間の脳の驚くべき能力ですわ。
私たちは画像や音声を認識し、それらを記憶や過去の経験と関連付けることができます。
何十億ものニューロンが結びついて、私たちに独特の認知能力を与えてくれてるんです。
人工ニューラルネットワークは、脳内のこのニューロンのネットワークにインスピレーションを受けたもんです。
今年の物理学賞受賞者であるジョン・ホップフィールド氏とジェフリー・ヒントン氏は、統計物理学の基本概念を使って、連想記憶として機能し、大量のデータセットからパターンを見つけ出す人工ニューラルネットワークを設計しはりました。
これらの人工ニューラルネットワークは、素粒子物理学、材料科学、天体物理学といった多様な物理学のトピックの研究を進めるのに使われてきました。
また、顔認識や言語翻訳など、私たちの日常生活の一部にもなってきてますわ。
受賞者の発見と発明は、機械学習の基礎となるものです。
例えば、医療診断をする際に、人間がより速く、より信頼性の高い判断を下すのを助けることができます。
しかし、機械学習には膨大な利点がある一方で、その急速な発展は私たちの未来に対する懸念も引き起こしています。
人類全体で、この新しい技術を安全かつ倫理的に使用し、人類に最大の利益をもたらすよう責任を負っていかなあかんのです。
ありがとうございます。
エベック教授、もう少し詳しい説明をしていただけますでしょうか。
はい、ありがとうございます。
今年のノーベル物理学賞は人工ニューラルネットワークに関するもんです。
今日では、これが強力な計算アプローチであることが分かっていますが、50年前にはそうではありませんでした。
ただ、哺乳類である私たちが、脳内での何らかの計算によってパターン認識を非常に得意としているということは知られていました。
そのことが、単純化されたニューロンのネットワークの集合的な性質を理解することへの関心を呼び起こしたんです。
そのネットワークは、強くなったり弱くなったりする強度の結合によって接続されています。
アイデアとしては、特定の機能を達成するために結合の強さを決定し、それを多くの例で訓練することでした。
1982年、ジョン・ホップフィールドが動的ネットワークを発表したことで大きな breakthrough が起こりました。
このネットワークは記憶を保存し、取り出すことができ、また連想記憶も可能でした。
記憶は単純な0-1の二値のノードを持ち、全てのノードが部分的に接続されていました。
時間とともに変化しない状態が記憶として特定されました。
さらに、磁気系の研究で使われるようなエネルギーを導入することが可能でした。
そのエネルギーは、記憶に対応する状態で低くなるという特性がありました。
比喩的に言えば、記憶はエネルギー景観の谷に位置していたわけです。
歪んだパターンから始めると、より高いエネルギーになりますが、ネットワークはエネルギーの低い近くの谷に向かって滑り落ちていきます。
このプロセスによって、歪んだパターンを修正することができたんです。
その後の研究で、ジョン・ホップフィールドは、このネットワークが頑健であることも示しました。
二値のノードをアナログのものに置き換えても機能するということです。
また、このネットワークを使って困難な最適化問題を解決できることも示しました。
ジョン・ホップフィールドによるこのネットワークの創造と探求は、人工ニューラルネットワークの計算能力の理解において重要な節目となりました。
もう一つの重要な発見が、すぐ後にジェフリー・ヒントンとテレン・セジノフスキーによってなされました。
彼らは統計物理学に基づいてホップフィールドネットワークの確率的バージョンを作り、ボルツマンマシンと呼びました。
ここでは、個々のパターンではなく、パターンの統計的分布に焦点が当てられています。
これは生成モデルで、一度訓練されると、学習した分布から新しいインスタンスを生成するのに使えます。
ボルツマンマシンは、ホップフィールドのネットワークと同じ基本構造を持っていましたが、隠れノードと可視ノードの2種類のノードがありました。
隠れノードは、ネットワークがより一般的な分布を学習できるようにするためのものでした。
理論的には興味深かったものの、当初、ボルツマンマシンは実用的には限られた使用しかされませんでした。
計算量が膨大で、実行が困難だったからです。
しかし、結合が少ない版である制限付きボルツマンマシンは、多用途なツールへと発展しました。
この点については後ほどもう一度触れます。
ここまでは、フィードバック接続を持つ再帰型ネットワークについて話してきました。
今日の深層学習の多くの手法は、入力層から出力層へ、隠れ層を介して情報が流れるフィードフォワードネットワークを含んでいます。
1980年代、ヒントンは隠れ層を持つそのようなネットワークをどのように訓練できるかを示し、その過程で隠れ層の重要な機能も解明しました。
1990年代には、多層ネットワークの応用が成功しました。
例えば、手書き数字の分類などです。
しかし、訓練できるネットワークは、連続する層間の結合が比較的少ないものでした。
より一般的な深い構造を、層間の高い接続性を持って訓練することは依然として課題でした。
実際、多くの人がこの課題を諦めましたが、ヒントンは諦めませんでした。
ヒントンは、先ほど言うた制限付きボルツマンマシンを使ってこの障壁を乗り越えました。
彼はそれを使って深い構造の事前訓練を行い、この方法によって深くて密な構造の例を実装することに成功しました。
これが深層学習への breakthrough やったんです。
最後に、物理学が人工ニューラルネットワークの革新と発展の原動力となってきたということについて話してきましたが、物理学という研究分野がこれらの方法からどのように恩恵を受けているかを見るのも興味深いです。
よく知られた例の一つは、素粒子物理学と天体物理学におけるデータ解析です。
ますます重要になってきている応用は、材料のモデリングです。
例えば、より効率的な新しい太陽電池を探索するためなどに使われています。
もう一つの例は、より高解像度を可能にするための、物理学に基づいた明示的な気候モデリングです。
最後に、物理学以外の分野での成功した応用例も二つ挙げたいと思います。
タンパク質構造予測と医療画像の分析です。
ご清聴ありがとうございました。
ありがとうございます、エベック教授。
ジョン・ホップフィールド氏かジェフリー・ヒントン氏のどちらかが電話でつながっているようです。
おはようございます、ヒントン教授。
おはようございます。
ノーベル物理学賞受賞、心からお祝い申し上げます。
ありがとうございます。
今のお気持ちはいかがですか？
びっくりしています。こんなことになるとは全く予想してませんでした。本当に驚いています。
そうでしょうね。想像できます。
私は今、王立スウェーデン科学アカデミーの美しい会議室で記者会見をしています。
スウェーデンと海外のたくさんのジャーナリストが興味を持って参加しています。
彼らからの質問にお答えいただけますか？
はい、もちろんです。
ありがとうございます。
今年のノーベル物理学賞受賞、心からお祝い申し上げます。
私はスーザン・リテンと申します。スウェーデンのテレビ局から来ました。
視聴者の多くは一般の人々なので、今日の受賞対象となった発見について非常に興味を持っています。
少し昔に戻っていただきたいんですが、今日受賞された breakthrough に気づいた瞬間のことを覚えていらっしゃいますか？
また、これらの発見のきっかけや inspiration は何だったのでしょうか？
はい、いくつか覚えています。
2人の mentorとの出来事です。デビッド・ルメルハートとテリー・セジノフスキーには大変お世話になりました。
デビッド・ルメルハートとは、バックプロパゲーションアルゴリズムを再発見しました。それは1982年の初めのことでした。
テリー・セジノフスキーとは、隠れユニットを持つホップフィールドネットのための学習アルゴリズムを発見しました。
ロチェスターでの会議に行ったときのことをよく覚えています。
そこでジョン・ホップフィールドが講演し、私はニューラルネットワークのためのホップフィールドエネルギー関数について初めて学びました。
その後、テリーと私は5年間、隠れユニットを持つようにニューラルネットワークを一般化する方法について研究しました。
1982年の初めに、ボルツマンマシン（隠れユニットを持つホップフィールドネット）のための学習アルゴリズムを思いつきました。
最も興奮したのは、デビッドとのバックプロパゲーションの研究と、テリーとのボルツマンマシンの研究の時でした。
ありがとうございます。
他に質問はありますか？
はい、どうぞ。
こんにちは。ポーランドのテレビ局からまいりましたBKIと申します。おめでとうございます。
私の質問は少し未来に関するものです。
ニューラルネットワークと機械学習が現在できることに私たちは非常に興奮していますが、将来何ができるようになるかという見通しにさらに興奮しています。
この技術が私たちの文明にどの程度の影響を与えると予測されていますか？
非常に大きな影響を与えると思います。産業革命に匹敵するでしょう。
ただし、産業革命が人間の身体的な力を超えたのに対し、これは知的能力を超えることになります。
私たちには、自分たちより賢いものがある世界がどんなものかという経験がありません。
多くの点で素晴らしいことになるでしょう。
例えば、医療分野ではずっと良い医療が受けられるようになるでしょう。
ほとんど全ての産業でより効率的になるでしょう。
AIアシスタントがあれば、同じ量の仕事をずっと短時間でこなせるようになり、生産性が大幅に向上するでしょう。
しかし、いくつかの悪い結果についても心配せなあかんと思います。特に、これらのものがコントロールを失う脅威については注意が必要です。
はい、こちらの方どうぞ。
ドイッチェ・ヴェレのヨハン・セロです。受賞おめでとうございます。
質問なんですが、昨年ニューヨーク・タイムズのインタビューで、人工知能のリスクを考えると自分の人生の仕事の一部を後悔していると話されていました。今日ではどのようにお考えですか？
後悔には2種類あります。
一つは、やるべきではないと分かっていることをしてしまって罪悪感を感じるような後悔です。
もう一つは、同じ状況ならまた同じことをするだろうけれど、結果的にはうまくいかないかもしれないという後悔です。
私の場合は後者の後悔です。同じ状況なら、また同じことをするでしょう。
でも、全体的な結果として、最終的に私たちより知的なシステムが制御を奪ってしまう可能性を心配しています。
はい、どうぞ。
おめでとうございます。アンドレ・アールと申します。スウェーデンのテレビ局TV4から来ました。
先ほどボルツマンマシンについて話されましたが、それがどのようなタイプのAIに発展したのか伺いたいです。
例えばGPTのようなものでしょうか？それともレントゲン写真で乳がんを見つけるようなもの？あるいは面白い画像を作るようなものでしょうか？
あなたの研究はどのようなAIの基礎となっているのでしょうか？
私が関わった学習アルゴリズムには2つの異なるものがあります。
一つはボルツマンマシンで、これは隠れユニットを持つホップフィールドネットのための学習アルゴリズムでした。
最終的には実用的なバージョンを見つけることができましたが、現在のニューラルネットの主な進歩につながったのはこれではありません。
もう一つはバックプロパゲーションアルゴリズムです。
これはニューラルネットに何でも学習させることができる方法で、AIアプリケーションの大きな躍進や、画像認識、音声理解、自然言語処理の能力向上につながったのはこのバックプロパゲーションアルゴリズムです。ボルツマンマシンではありません。
他に質問はありますか？はい、どうぞ。
こんにちは。スウェーデンの新聞ニューテクニークのビルと申します。
あなたがよく使うAIツールはありますか？
実は、GPT-4をよく使っています。
何か知りたいことがあれば、いつもGPT-4に聞いています。
完全には信用していません。幻覚を見ることもあるからです。
でも、ほとんど全てのことについて、それなりに良い専門家になってくれていて、それがとても役に立つんです。
他にはないようですね。後ろの方、もう一つだけ質問をどうぞ。
はい、おめでとうございます。ポール・リースと申します。AELERイングリッシュからです。
電話を受けたときの状況を教えていただけますか？
どのように感じましたか？
もしかしたら電話がくるかもしれないと、カレンダーにマークしていた日だったのでしょうか？それとも青天の霹靂でしたか？
青天の霹靂でした。
カリフォルニアの安いホテルにいて、インターネット接続も電話の接続も良くありません。
今日はMRIスキャンを受ける予定だったんですが、キャンセルしないといけなくなりそうです。
分かりました。これで最後の質問になりますね。
ヒントン教授、ありがとうございました。
改めて心からお祝い申し上げます。
12月のノーベル賞授賞式でストックホルムでお会いできるのを楽しみにしています。
ありがとうございます。
それでは、物理学賞や関連する研究についてもう少し質問を受け付けたいと思います。
委員会メンバーの仕事についても質問していただいて結構です。
質問は英語でもスウェーデン語でも構いません。はい、どうぞ。
もしこのお二人の科学者がいなかったら、GPTのようなものは存在していたでしょうか？
モンス教授、お答えいただけますか？
はい、非常に難しい質問ですね。答えるのは難しいです。
というのも、彼らの貢献がなかったらどうなっていたか想像するのが難しいからです。
彼らはもちろん、この技術の進歩の非常に初期の段階で大きな貢献をしました。
80年代にこれらの最初のステップが踏み出されたわけです。
その後、他の科学者たちがこれらの発展の上に積み重ねてきました。
ある意味で、それらの画期的な最初の発見や発明がなければ、難しかったかもしれません。
ジョン・ホップフィールド氏がここにいらっしゃらないので、彼の発見の中で最も興奮する部分は何だと思われますか？
エベック教授、お答えいただけますか？
彼のネットワークに関して言えば、その一部は以前から議論されていましたが、彼は明確な機能と明確な動作原理を持つネットワークを作るために、それらの部分をまとめることができました。
それがこの分野に大きな意味を持ちました。
もう一つ質問があります。
すみません、はい。
ジェフ・ヒントン氏が表明した懸念についてもお聞きしたいのですが。
この技術についてのあなた方の懸念は何ですか？
モンス教授、お答えいただけますか？
はい、このような懸念は科学コミュニティーでよく表明され、議論されています。
そのことは非常に良いことだと思います。
社会における機械学習についての知識の向上につながります。
できるだけ多くの人々が機械学習のメカニズムについて学ぶことが重要だと思います。
そうすれば、それが少数の個人の手にだけ委ねられることがなくなります。
もちろん、ヒントン教授は多くの人々の一人として自分の見解を表明されたわけですが、そのこと自体が非常に良いことだと思います。
そうですね。付け加えさせていただくと、時代を通じて多くの発見や発明が潜在的に悪用される可能性がありましたが、それを避けるための規制を設けることは社会全体の共通の責任です。
人工知能についても同じことが言えると思います。
実際、時間が迫ってきたようです。
この記者会見にご参加いただき、ありがとうございました。
明日、ここで化学賞の発表がありますので、またお会いできることを楽しみにしています。ありがとうございました。