Profesor Geoffrey Hinton je bil nenavadno strpen mentor. Njegova podiplomska študenta, Ilya Sutskever in Alex Krizhevsky, sta dolge ure posvetila eksperimentiranju z nevronskimi mrežami, v katere je tedaj verjelo le malo strokovnjakov. Marsikdo bi ju obtožil, da zapravljata čas z akademskim »igračkanjem«, a Hinton je slutil, da sta na poti k nečemu prelomnemu.
Krizhevsky se je v optimizacijo modela za avtomatsko prepoznavanje slik poglobil celo tako močno, da so trpele njegove redne študijske obveznosti. A namesto da bi ga ustavil, je Hinton z njim sklenil nenavaden dogovor: vsak teden, ko mu bo uspelo izboljšati delovanje nevronske mreže za vsaj en odstotek, bo smel preložiti oddajo seminarske naloge. Kasneje se je profesor z nasmeškom spominjal te anekdote: »Medtem ko se je izogibal pisanju seminarske naloge, je opravil verjetno najvplivnejšo raziskavo tega stoletja.«
Rezultati študentskega projekta so bili res impresivni. Leta 2012 nevronska mreža AlexNet ni le zmagala na tekmovanju v strojnem prepoznavanju slik ImageNet, ampak je dobesedno pometla s konkurenco. Majhna raziskovalna skupina z Univerze v Torontu je takrat na praktičnem primeru pokazala, da je globoko učenje velikih nevronskih mrež najobetavnejša pot za napredek umetne inteligence, s čimer je sprožila revolucijo. To je bil prelomni trenutek, ko so nevronske mreže iz akademskih krogov stopile v ospredje tehnološkega razvoja. Računalniška podjetja so hitro prepoznala potencial, celotno področje pa je vstopilo v obdobje eksplozivnega razvoja.
Geoffrey Hinton izhaja iz izjemne družine znanstvenikov in inovatorjev. Njegov pra-pra-ded je bil George Boole, matematik, čigar delo je postavilo temelje logiki in računalništvu. Po njegovem drugem sorodniku, geodetu Georgeu Everestu, pa nosi ime najvišja gora na svetu. Kljub temu da je bil obkrožen z izjemnimi učenjaki, je bila Hintonova akademska pot vse prej kot premočrtna. Na Univerzi v Cambridgeu je preizkušal različna področja, vendar dolgo ni našel tematike, ki bi ga resnično pritegnila. Nekaj časa je študij celo opustil in v Londonu opravljal priložnostna dela. Zanimala ga je arhitektura, nato je presedlal na fiziko, kemijo, fiziologijo in filozofijo, dokler se ni nazadnje odločil za diplomo iz eksperimentalne psihologije.
Pomemben mejnik na njegovi intelektualni poti so bili pogovori s filozofom Bernardom Williamsom, ki je nekoč pripomnil, da morajo različne misli v možganih ustrezati različnim fizičnim stanjem, kar je bistveno drugače kot pri računalnikih, kjer je programska oprema neodvisna od strojne opreme. To je bil Hintonov prvi stik z miselnim pristopom, ki je prepletal nevroznanost, matematiko, filozofijo in programiranje ter ga pozneje usmeril v razvoj umetnih nevronskih mrež.
Skozi čas so poskušali znanstveniki umetno inteligenco ustvariti po dveh različnih poteh. Simbolični pristop je temeljil na prepričanju, da je bistvo inteligence logično sklepanje. Podporniki tega pristopa so verjeli, da inteligenco lahko dosežemo s kodiranjem pravil, ki jih bo računalnik uporabljal za reševanje problemov. Geoffrey Hinton je zagovarjal drugačen, biološko navdihnjen pristop, ki je temeljil na uporabi umetnih nevronskih mrež za posnemanje delovanja človeških možganov. Te mreže so v osnovi kompleksni matematični modeli, sestavljeni iz medsebojno povezanih vozlišč (nevronov), ki se s prilagajanjem uteži povezav med njimi učijo iz podatkov.
Hinton je bil prepričan, da je ta metoda obetavnejša za dosego umetne inteligence, saj temelji na procesih, ki so podobni učenju v možganih. Eno izmed njegovih temeljnih načel, ki naj bi veljalo tudi za možgane, je bilo: »Če želiš resnično razumeti, kako nekaj deluje, moraš znati to tudi umetno poustvariti.« Ker so možgani sestavljeni iz nevronov, je bilo zanj ključno, da razvozla mehanizem, s katerim ti shranjujejo in obdelujejo informacije.
Že v sedemdesetih letih je sanjal o tem, da bi na računalniku simuliral nevronsko mrežo in jo uporabil kot orodje za proučevanje človeških možganov. A takrat je bila ta zamisel v akademskih krogih pogosto označena kot ekscentrična, celo naivna. Večina raziskovalcev je dvomila, da bi preproste povezave med umetnimi nevroni lahko zadostovale za razvoj inteligence. Njegov mentor mu je celo svetoval, naj opusti to smer raziskav, saj bi lahko resno ogrozila njegovo kariero.
Kljub skeptičnemu akademskemu okolju je v osemdesetih letih s kolegi razvil algoritem povratnega širjenja napake (backpropagation), ki je omogočil nevronskim mrežam, da se učijo iz svojih napak, tako da postopno prilagajajo uteži povezav med nevroni. To je bil ključni trenutek, ki je nevronskim mrežam omogočil učinkovitejše prilagajanje in izboljšanje sposobnosti analize podatkov. Poleg tega je Hinton prispeval tudi k razvoju Boltzmannovih strojev, vrste nevronskih mrež, ki lahko samostojno prepoznajo skrite zakonitosti v podatkih.
Hintonovo vztrajno delo je postopno pridobivalo širše priznanje, leta 2024 pa je za svoje dosežke na področju razvoja nevronskih mrež prejel tudi Nobelovo nagrado. S tem se je še bolj utrdil kot ena najvplivnejših osebnosti v zgodovini umetne inteligence in znanosti nasploh. O svoji poti je nedavno povedal: »Rekel bi, da sem nekdo, ki v resnici ne ve, na katerem področju deluje, a želi razumeti, kako delujejo možgani. In med mojimi poskusi razumevanja njihovega delovanja sem pomagal ustvariti tehnologijo, ki presenetljivo dobro deluje.«
https://www.delo.si/mnenja/kolumne/moz-ki-je-umetno-inteligenco-naucil-misliti
