- 15:48बढ़ते संघर्ष के बीच भारत ने लेबनान को 11 टन चिकित्सा आपूर्ति की पहली खेप भेजी
- 12:00रियल एस्टेट सबसे पसंदीदा निवेश विकल्प के रूप में उभरा: फिक्की-एनारॉक सर्वेक्षण
- 11:33पहला टेस्ट: जायसवाल, रोहित ने सकारात्मकता दिखाई, भारत ने न्यूजीलैंड की बड़ी बढ़त हासिल की (तीसरा दिन, चायकाल)
- 11:01"कुछ ऐसी चीजें पढ़ीं जो भयानक थीं...,": शान मसूद ने इंग्लैंड के खिलाफ अपने अविश्वसनीय प्रयास के लिए डेब्यू करने वाले गुलाम की प्रशंसा की
- 10:25यूएई: 'राष्ट्रपति की पहल' ने जल बांधों, नहर परियोजनाओं को मंजूरी दी
- 10:10प्रधानमंत्री मोदी अगले सप्ताह कज़ान में ब्रिक्स शिखर सम्मेलन में भाग लेने के लिए रूस जाएंगे
- 10:00सरकार ने राष्ट्रीय हरित हाइड्रोजन मिशन के तहत इस्पात उत्पादन में हाइड्रोजन ऊर्जा के उपयोग के लिए तीन पायलट परियोजनाओं को मंजूरी दी
- 09:40अस्पष्ट ऋण देने की प्रथाओं पर लगाम लगाने के लिए आरबीआई और अधिक एनबीएफसी के खिलाफ कार्रवाई कर सकता है: मॉर्गन स्टेनली
- 09:30भारत के उपभोक्ता खुदरा क्षेत्र में Q32024 में 3.1 बिलियन अमरीकी डॉलर के सौदे हुए: ग्रांट थॉर्नटन
हमसे फेसबुक पर फॉलो करें
भौतिकी में नोबेल पुरस्कार जॉन हॉपफील्ड और जेफ्री हिंटन को मशीन लर्निंग को सक्षम बनाने वाली खोजों के लिए दिया गया
रॉयल स्वीडिश एकेडमी ऑफ साइंसेज ने मंगलवार को घोषणा की कि 2024 का भौतिकी का नोबेल पुरस्कार जॉन हॉपफील्ड और जेफ्री हिंटन को उन मूलभूत खोजों और आविष्कारों के लिए दिया जाएगा, जो कृत्रिम तंत्रिका नेटवर्क के साथ मशीन लर्निंग को सक्षम बनाते हैं। भौतिकी के दो नोबेल पुरस्कार विजेताओं ने भौतिकी के उपकरणों का उपयोग करके ऐसे तरीके विकसित किए हैं जो आज की शक्तिशाली मशीन लर्निंग
की नींव हैं। दोनों ने सूचना में पैटर्न खोजने के लिए भौतिकी का उपयोग किया। शोध के साथ-साथ स्पष्टीकरण में, नोबेल पुरस्कार निकाय ने कहा कि कई लोगों ने अनुभव किया है कि कैसे कंप्यूटर भाषाओं के बीच अनुवाद कर सकते हैं, छवियों की व्याख्या कर सकते हैं और यहां तक कि उचित बातचीत भी कर सकते हैं। हालांकि, इसने कहा कि जो शायद कम ही लोग जानते हैं वह यह है कि इस प्रकार की तकनीक लंबे समय से अनुसंधान के लिए महत्वपूर्ण रही है, जिसमें बड़ी मात्रा में डेटा की छंटाई और विश्लेषण शामिल है। पिछले 15 से 20 वर्षों में मशीन लर्निंग का विकास तेजी से हुआ है और यह एक कृत्रिम तंत्रिका नेटवर्क नामक संरचना का उपयोग करता है। मशीनें अब मेमोरी और लर्निंग जैसे कार्यों की नकल कर सकती हैं और भौतिकी में इस वर्ष के पुरस्कार विजेताओं ने इसे संभव बनाने में मदद की है। भौतिकी से मौलिक अवधारणाओं और विधियों का उपयोग करते हुए, उन्होंने ऐसी तकनीकें विकसित की हैं जो सूचना को संसाधित करने के लिए नेटवर्क में संरचनाओं का उपयोग करती हैं। जबकि मशीन लर्निंग में कंप्यूटर उदाहरण के द्वारा सीखता है, जिससे यह उन समस्याओं से निपटने में सक्षम होता है जो चरण-दर-चरण निर्देशों द्वारा प्रबंधित करने के लिए बहुत अस्पष्ट और जटिल हैं। एक उदाहरण इसमें वस्तुओं की पहचान करने के लिए एक तस्वीर की व्याख्या करना है। हॉपफील्ड ने एक सहयोगी मेमोरी बनाई जो डेटा में छवियों और अन्य प्रकार के पैटर्न को संग्रहीत और पुनर्निर्माण कर सकती है। हॉपफील्ड नेटवर्क पैटर्न संग्रहीत कर सकता है और उन्हें फिर से बनाने के लिए एक विधि है। जब नेटवर्क को एक अधूरा या थोड़ा विकृत पैटर्न दिया जाता है, तो विधि उस संग्रहीत पैटर्न को ढूंढ सकती है जो सबसे अधिक समान है। इस बीच, जेफ्री हिंटन ने एक ऐसी विधि का आविष्कार किया जो डेटा में गुणों को स्वायत्त रूप से खोज सकती है, और इसलिए चित्रों में विशिष्ट तत्वों की पहचान करने जैसे कार्य कर सकती है। कृत्रिम तंत्रिका नेटवर्क का उपयोग करके मशीन लर्निंग की तकनीक मूल रूप से मस्तिष्क की संरचना से प्रेरित थी। एक कृत्रिम तंत्रिका नेटवर्क में, मस्तिष्क के न्यूरॉन्स को नोड्स द्वारा दर्शाया जाता है जिनके अलग-अलग मूल्य होते हैं। ये नोड्स कनेक्शन के माध्यम से एक-दूसरे को प्रभावित करते हैं जिन्हें सिनेप्स की तरह माना जा सकता है और जिन्हें मजबूत या कमजोर बनाया जा सकता है। नेटवर्क को प्रशिक्षित किया जाता है, उदाहरण के लिए एक साथ उच्च मान वाले नोड्स के बीच मजबूत कनेक्शन विकसित करके। इस वर्ष के पुरस्कार विजेताओं ने 1980 के दशक से कृत्रिम तंत्रिका नेटवर्क के साथ महत्वपूर्ण कार्य किया है, नोबेल पुरस्कार
समिति ने एक बयान में कहा।
शिकागो में 1933 में हॉपफील्ड द्वारा किया गया शोध प्रिंसटन विश्वविद्यालय में किया जाता है, जबकि लंदन में 1947 में जन्मे हिंटन टोरंटो विश्वविद्यालय में काम करते हैं। भौतिकी के लिए नोबेल समिति
के अध्यक्ष एलेन मून्स ने कहा, "पुरस्कार विजेताओं का काम पहले से ही सबसे बड़ा लाभकारी रहा है। भौतिकी में हम कई क्षेत्रों में कृत्रिम तंत्रिका नेटवर्क का उपयोग करते हैं, जैसे कि विशिष्ट गुणों वाली नई सामग्री विकसित करना।