2012年にコンピューターが 猫を認識することを学び 、そしてつい先月、別のコンピューターが写真に正しく キャプションを付けた 。「フリスビーで遊ぶ若者たちのグループ」と。人工知能の研究者たちは、脳が現実世界の特徴にさらされるだけで敏感になっていく仕組みを大まかに模した、目覚ましい成功を収めている一連のアルゴリズム「ディープラーニング」における、さらなる成果として称賛した。
最新のディープラーニング手法を用いると、人工ニューロンのネットワークで構成されたコンピューターモデルは、画像、音声、パターンの認識能力をますます高めている。これらは、ロボット型パーソナルアシスタント、複雑なデータ分析、自動運転車の中核技術だ。しかし、無関係なデータの断片から重要な特徴を見分けるようコンピューターを訓練する点では大きく進歩したものの、研究者たちはアルゴリズムや生物学的学習がなぜ機能するのかを、完全には理解できていなかった。
今回、2人の物理学者が、ディープラーニングの一形態が、物理学で最も重要かつ広く用いられる数学的手法の一つとまったく同じように機能することを示した。この手法は、素粒子、流体、宇宙といった物理系の大規模な振る舞いを計算するためのものだ。
新たな研究は、ボストン大学の パンカジ・メータ とノースウェスタン大学の デイヴィッド・シュワブ が完成させたもので、「くりこみ」と呼ばれる統計的手法を実証している。この手法によって物理学者は、構成要素すべての正確な状態を知らなくても系を正確に記述できる。また人工ニューラルネットワークも、動画内の色や大きさ、姿勢にかかわらず、データを「猫」のように分類できる。
この記事の続きは、 Quantaのウェブサイトでお読みください。
この記事はQuantaが最初に掲載したものです。掲載は、世界経済フォーラムがその見解を支持することを意味しません。
Forum:Agendaの最新情報を受け取るには、 週刊ニュースレターにご登録ください。
著者：ナタリー・ウォルチョーバーは、自然科学を担当するQuanta Magazineのスタッフライター。
画像：男性がコンピューターのキーボードを打つ。REUTERS/Kacper Pempel/Files