2024年ノーベル物理学賞は人工ニューラルネットワークによる機械学習を可能にする基礎的発見と発明（ジョン・ホップフィールド氏とカナダのトロント大学のジェフリー・ヒントン氏）
写真左はJohn J. Hopfield（ホップフィールド）氏、右はGeoffrey E. Hinton（ヒントン）氏。2024年のノーベル物理学賞の受賞者（出所：スウェーデン王立科学アカデミー）
ホップフィールド氏の1985年の研究内容のイメージ.。曖昧もことした入力のJが情報処理されてJとして出力される。（出所：スウェーデン王立科学アカデミー）
（タイトル）
2024年ノーベル物理学賞は人工ニューラルネットワークによる機械学習を可能にする基礎的発見と発明（ジョン・ホップフィールド氏とカナダのトロント大学のジェフリー・ヒントン氏）
（本文）
スウェーデンのストックホルムにあるノーベル賞の選考委員会は、2024年10月8日午後7時前（日本時間）、2024年のノーベル物理学賞の受賞者にアメリカのプリンストン大学のジョン・ホップフィールド教授とカナダのトロント大学のジェフリー・ヒントン教授の二人を選んだことを発表した。
ホップフィールド教授は人間の神経回路を模倣した「人工ニューラルネットワーク」を使って、物理学の理論から画像やパターンなどのデータを保存し、再構成できる「連想記憶」と呼ばれる手法を開発した。この手法によって不完全なデータから元のデータを再現できるようになった。
ヒントン教授はこの手法を統計物理学の理論などを使って発展させ、学習した画像などの大量のデータをもとに可能性の高さから未知のデータを導き出すアルゴリズムを開発した。
二人が開発した手法などは、AI（人工知能の技術の中核を担う「機械学習」）の基礎となり、その後「ディープ・ラーニング」など新たなモデルの確立につながった。
ノーベル賞の選考委員会は二人の功績について「1980年代以降、『人工ニューラルネットワーク』の研究開発において、重要な業績を積み重ねていて、すでに多くの恩恵をもたらしている。物理学の分野では、特定の性質を備えた新たな物質の開発など極めて幅広い分野で『人工ニューラルネットワーク』が使われている」と評価した。
ノーベル賞物理学賞を受賞した二人がは1980年代に人工知能（AI）の根幹である人工ニューラルネットワークの基礎を築いた。
磁性の振る舞いを語るのに使われている物理学のモデルから発想を得た。磁性体は互いに影響を及ぼし合う電子のスピンが縦横に並んだモデルで記述される。各スピンは互いの距離と相互作用を測りながら全体のエネルギーが最も小さくなる方向を向く。
理論物理者のホップフィールドは1982年に、このスピンの向きを白と黒で表し、その配列のパターンをスピン同士の相互作用の強さによって記録する「ホップフィールド・ネットワーク」を考案した。数学的な操作によって、複数のパターンを一度にモデルに記憶させることができる。
記憶したパターンが部分的には入っているもののノイズだらけで全体がわからないパターンがあっても、これをホップフィールド・ネットワークに入力して全体のエネルギーを下げていく数学的な操作をすると、スピンが徐々に回転し先に記憶させたパターンのうち一番近いものに収まっていく。
ホップフィールド・ネットワークによって、断片的な記憶から全体を再現する「連想記憶」をコンピュータで実現することができる。連想記憶とは例えば人の名前を思い出すとき「えーと、よこ、よこい、……よこや……あ、よしもとさん」などと記憶を呼び起こす方法。ホップフィールド・ネットワークは、連想記憶だけでなく複数の都市を巡る最短ルートを求める「セールスマン巡回問題」などさまざまな組み合わせのうち最適な方法を選び取る最適化問題に応用できることがわかった。
ヒントンは、記憶したパターンを想起するだけでなく、大量のパターンからその特徴を学習するという新たな情報処理を実現させた。ヒントンは1985年に「ボルツマン・マシン」モデルを開発した。使った物理モデルはスピン系である。
ボルツマンは19世紀の物理学者で、系があるエネルギーにあるとき、スピンがどんな確率でどの方向を向くかを示す「ボルツマン分布」を考案した。ヒントンのボルツマン・マシンは、入力した多数のパターンを学習し、スピンの向きの持っている傾向を学びとる。それによって学習していないパターンでも生成できる。現在の生成AIの原型となった。
2000年代に入るとボルツマン・マシンは次第に多層化された。最初の層で学習したことを次の層に受け渡してさらに学習する。多層のボルツマン・マシンは、新たに未知のパターンを入力すると学習したパターンのどれに近いかを高い精度で判断する。ヒントンはこの仕組みを「深層学習」と名付けた。これをきっかけに人工知能の開発が大きく進展する。
ホップフィールド・ネットワークは、記憶できる情報量が少なかったため実用的な応用は広がらなかった。近年になって記憶できる情報量を格段に増やしたモダン・ホップフィールド・ネットワークが登場したことで利用可能性が高まった。特にChatGPTなどに使われる深層学習のモデルであるトランスフォーマーと似た性能を備えていることがわかた。
現在のAIは、ホップフィールドやヒントンが作ったマシンとは比較にならないほど巨大化し、はるかに複雑なタスクを実行している。だが基礎科学としての土台は1980年代に築かれた。応用を目指すエンジニアリングが発展したことにより、現在の姿がある。
2024年のノーベル物理学賞は物理学というよりもその応用技術分野から選考している。実用面からの価値評価がなされたためと言えよう。電卓と計算用のコンピュータが普及しても人の計算能力を捨ててしまうことはよいことではない。ソロバンの暗算の力があれば便利だことは多い。何故そうなるのかの感覚を失った人には危うさがつきまとう。なお日本人のノーベル賞受賞者が受賞後に公式にメッセージをすることが多いのが、基礎科学分野での研究費が不足していること、処遇するための経費不足によって人材が育成できないこと、などである。ノーベル賞の受賞は基礎科学分野では30年前の研究成果が下になっていることが多い。成果主義で研究者を追いまわしている弊害を訴える言葉として聞くくべきである。
日本物理学会はノーベル物理学賞の発表のタイミングで、日本物理学会誌に掲載されたと日本における関連の研究論文とその執筆者を公表した。以下がその論文と執筆者。
甘利 俊一「発展する脳の数理モデル」
1988年43巻12号 pp. 914-920
西森 秀稔 「ニューラルネットワーク」
1994年49巻1号 pp.2-9
樺島 祥介「コトの物理学 : 誤り訂正符号を例として」
2003年58 巻4 号 pp. 239-246
瀧 雅人, 田中 章詞
「物理屋のための深層学習」（シリーズ「人工知能と物理学」）
2019 年74巻11号 pp. 759-764
野村 悠祐, 山地 洋平, 今田 正俊
「機械学習を用いて量子多体系を表現する」（シリーズ「人工知能と物理学」）
2019年74巻2号 pp. 72-81
吉野 元
「深層ニューラルネットワークの解剖
統計力学によるアプローチ」
2021年 76 巻 9 号 pp. 589-594
2024-10-09-2024-nobel-prize-in-physics-
［資料］
├2024年ノーベル物理学賞は人工ニューラルネットワークによる機械学習を可能にする基礎的発見と発明（ジョン・ホップフィールド氏とカナダのトロント大学のジェフリー・ヒントン氏）
├ホップフィールド・ネットワーク - Wikipedia
ホップフィールド・ネットワーク (英: Hopfield network) は、ニューラルネットワークの一モデルである。
アメリカ合衆国の物理学者であるジョン・ホップフィールド (J.J. Hopfield) が提唱した。ユニット（ニューロン）間に対称的な相互作用がある非同期型ネットワークであり、自然な操作によってネットワークのエネルギーが極小値をとる。元はスピンの安定条件をもとめるモデルとして発想されたものであったが、ネットワークによる連想記憶のモデルとして歓迎され、ニューラルネットブームの火付け役の一つとなり、また後のボルツマンマシンの元ともなった。これは統計的な変動をもちいて、エネルギーが極小値ではなく最小値をとることを目指すモデルである。
├2024年のノーベル生理学・医学賞は線虫から「マイクロRNA」を発見した米マサチューセッツ大学のビクター・アンブロス教授（70歳）と、米ハーバード大学のゲイリー・ラブカン教授（72歳）に
├計量計測データバンク ニュースの窓－250－2024年ノーベル物理学賞 人工ニューラルネットワークによる機械学習を可能にする基礎的発見と発明（ジョン・ホップフィールドとカナダのトロント大学のジェフリー・ヒントン）
├
［2023年ノーベル賞 各賞関連の資料］
├
├2023年ノーベル物理学賞とその業績（計量計測データバンク編集部）
├
├2023年のノーベル賞の各賞が決まる（計量計測データバンク編集部）
├
├2023年ノーベル生理学・医学賞はカタリン・カリコー氏とドリュー・ワイズマン氏（計量計測データバンク編集部）
├
├ノーベル賞 カリコー・カタリン博士物語 人物と経歴（計量計測データバンク編集部）
├
├ノーベル賞 ドリュー・ワイズマン博士の人物と経歴（計量計測データバンク編集部）
├
├計量計測データバンク ニュースの窓－22－小林武彦講演におけるＲＮＡ、人の老い、動物の老いについて
├
├
├計量計測データバンク ニュースの窓－93－2023年のノーベル経済学賞
├計量計測データバンク ニュースの窓－95－2023年ノーベル物理学賞（その２）
├計量計測データバンク ニュースの窓－103－2023年ノーベル生理学・医学賞はmRNAワクチン開発貢献でカタリン・カリコ氏ら２名に
├計量計測データバンク ニュースの窓－104－日本列島人の頭骨の形態変化（脳容積と知能は比例しない）
├計量計測データバンク ニュースの窓－105－2023年のノーベル賞 物理学賞（その１）と化学賞
├
├脳体積と知性にかかわりはない 時代によって変化する頭骨の形状（計量計測データバンク編集部）
├
├2023年のノーベル賞の各賞が決まる（計量計測データバンク編集部）
├
├ビオンテック上席副社長カタリン・カリコ博士とCOVID-19対応mRNAワクチンの開発
├
├国民のワクチン接種率7割でCOVID-19を抑えられる
├
写真左はJohn J. Hopfield（ホップフィールド）氏、右はGeoffrey E. Hinton（ヒントン）氏。2024年のノーベル物理学賞の受賞者（出所：スウェーデン王立科学アカデミー）
ホップフィールド氏の1985年の研究内容のイメージ.。曖昧もことした入力のJが情報処理されてJとして出力される。（出所：スウェーデン王立科学アカデミー）
（タイトル）
2024年ノーベル物理学賞は人工ニューラルネットワークによる機械学習を可能にする基礎的発見と発明（ジョン・ホップフィールド氏とカナダのトロント大学のジェフリー・ヒントン氏）
（本文）
スウェーデンのストックホルムにあるノーベル賞の選考委員会は、2024年10月8日午後7時前（日本時間）、2024年のノーベル物理学賞の受賞者にアメリカのプリンストン大学のジョン・ホップフィールド教授とカナダのトロント大学のジェフリー・ヒントン教授の二人を選んだことを発表した。
ホップフィールド教授は人間の神経回路を模倣した「人工ニューラルネットワーク」を使って、物理学の理論から画像やパターンなどのデータを保存し、再構成できる「連想記憶」と呼ばれる手法を開発した。この手法によって不完全なデータから元のデータを再現できるようになった。
ヒントン教授はこの手法を統計物理学の理論などを使って発展させ、学習した画像などの大量のデータをもとに可能性の高さから未知のデータを導き出すアルゴリズムを開発した。
二人が開発した手法などは、AI（人工知能の技術の中核を担う「機械学習」）の基礎となり、その後「ディープ・ラーニング」など新たなモデルの確立につながった。
ノーベル賞の選考委員会は二人の功績について「1980年代以降、『人工ニューラルネットワーク』の研究開発において、重要な業績を積み重ねていて、すでに多くの恩恵をもたらしている。物理学の分野では、特定の性質を備えた新たな物質の開発など極めて幅広い分野で『人工ニューラルネットワーク』が使われている」と評価した。
ノーベル賞物理学賞を受賞した二人がは1980年代に人工知能（AI）の根幹である人工ニューラルネットワークの基礎を築いた。
磁性の振る舞いを語るのに使われている物理学のモデルから発想を得た。磁性体は互いに影響を及ぼし合う電子のスピンが縦横に並んだモデルで記述される。各スピンは互いの距離と相互作用を測りながら全体のエネルギーが最も小さくなる方向を向く。
理論物理者のホップフィールドは1982年に、このスピンの向きを白と黒で表し、その配列のパターンをスピン同士の相互作用の強さによって記録する「ホップフィールド・ネットワーク」を考案した。数学的な操作によって、複数のパターンを一度にモデルに記憶させることができる。
記憶したパターンが部分的には入っているもののノイズだらけで全体がわからないパターンがあっても、これをホップフィールド・ネットワークに入力して全体のエネルギーを下げていく数学的な操作をすると、スピンが徐々に回転し先に記憶させたパターンのうち一番近いものに収まっていく。
ホップフィールド・ネットワークによって、断片的な記憶から全体を再現する「連想記憶」をコンピュータで実現することができる。連想記憶とは例えば人の名前を思い出すとき「えーと、よこ、よこい、……よこや……あ、よしもとさん」などと記憶を呼び起こす方法。ホップフィールド・ネットワークは、連想記憶だけでなく複数の都市を巡る最短ルートを求める「セールスマン巡回問題」などさまざまな組み合わせのうち最適な方法を選び取る最適化問題に応用できることがわかった。
ヒントンは、記憶したパターンを想起するだけでなく、大量のパターンからその特徴を学習するという新たな情報処理を実現させた。ヒントンは1985年に「ボルツマン・マシン」モデルを開発した。使った物理モデルはスピン系である。
ボルツマンは19世紀の物理学者で、系があるエネルギーにあるとき、スピンがどんな確率でどの方向を向くかを示す「ボルツマン分布」を考案した。ヒントンのボルツマン・マシンは、入力した多数のパターンを学習し、スピンの向きの持っている傾向を学びとる。それによって学習していないパターンでも生成できる。現在の生成AIの原型となった。
2000年代に入るとボルツマン・マシンは次第に多層化された。最初の層で学習したことを次の層に受け渡してさらに学習する。多層のボルツマン・マシンは、新たに未知のパターンを入力すると学習したパターンのどれに近いかを高い精度で判断する。ヒントンはこの仕組みを「深層学習」と名付けた。これをきっかけに人工知能の開発が大きく進展する。
ホップフィールド・ネットワークは、記憶できる情報量が少なかったため実用的な応用は広がらなかった。近年になって記憶できる情報量を格段に増やしたモダン・ホップフィールド・ネットワークが登場したことで利用可能性が高まった。特にChatGPTなどに使われる深層学習のモデルであるトランスフォーマーと似た性能を備えていることがわかた。
現在のAIは、ホップフィールドやヒントンが作ったマシンとは比較にならないほど巨大化し、はるかに複雑なタスクを実行している。だが基礎科学としての土台は1980年代に築かれた。応用を目指すエンジニアリングが発展したことにより、現在の姿がある。
2024年のノーベル物理学賞は物理学というよりもその応用技術分野から選考している。実用面からの価値評価がなされたためと言えよう。電卓と計算用のコンピュータが普及しても人の計算能力を捨ててしまうことはよいことではない。ソロバンの暗算の力があれば便利だことは多い。何故そうなるのかの感覚を失った人には危うさがつきまとう。なお日本人のノーベル賞受賞者が受賞後に公式にメッセージをすることが多いのが、基礎科学分野での研究費が不足していること、処遇するための経費不足によって人材が育成できないこと、などである。ノーベル賞の受賞は基礎科学分野では30年前の研究成果が下になっていることが多い。成果主義で研究者を追いまわしている弊害を訴える言葉として聞くくべきである。
日本物理学会はノーベル物理学賞の発表のタイミングで、日本物理学会誌に掲載されたと日本における関連の研究論文とその執筆者を公表した。以下がその論文と執筆者。
甘利 俊一「発展する脳の数理モデル」
1988年43巻12号 pp. 914-920
西森 秀稔 「ニューラルネットワーク」
1994年49巻1号 pp.2-9
樺島 祥介「コトの物理学 : 誤り訂正符号を例として」
2003年58 巻4 号 pp. 239-246
瀧 雅人, 田中 章詞
「物理屋のための深層学習」（シリーズ「人工知能と物理学」）
2019 年74巻11号 pp. 759-764
野村 悠祐, 山地 洋平, 今田 正俊
「機械学習を用いて量子多体系を表現する」（シリーズ「人工知能と物理学」）
2019年74巻2号 pp. 72-81
吉野 元
「深層ニューラルネットワークの解剖
統計力学によるアプローチ」
2021年 76 巻 9 号 pp. 589-594
2024-10-09-2024-nobel-prize-in-physics-
［資料］
├2024年ノーベル物理学賞は人工ニューラルネットワークによる機械学習を可能にする基礎的発見と発明（ジョン・ホップフィールド氏とカナダのトロント大学のジェフリー・ヒントン氏）
├ホップフィールド・ネットワーク - Wikipedia
ホップフィールド・ネットワーク (英: Hopfield network) は、ニューラルネットワークの一モデルである。
アメリカ合衆国の物理学者であるジョン・ホップフィールド (J.J. Hopfield) が提唱した。ユニット（ニューロン）間に対称的な相互作用がある非同期型ネットワークであり、自然な操作によってネットワークのエネルギーが極小値をとる。元はスピンの安定条件をもとめるモデルとして発想されたものであったが、ネットワークによる連想記憶のモデルとして歓迎され、ニューラルネットブームの火付け役の一つとなり、また後のボルツマンマシンの元ともなった。これは統計的な変動をもちいて、エネルギーが極小値ではなく最小値をとることを目指すモデルである。
├2024年のノーベル生理学・医学賞は線虫から「マイクロRNA」を発見した米マサチューセッツ大学のビクター・アンブロス教授（70歳）と、米ハーバード大学のゲイリー・ラブカン教授（72歳）に
├計量計測データバンク ニュースの窓－250－2024年ノーベル物理学賞 人工ニューラルネットワークによる機械学習を可能にする基礎的発見と発明（ジョン・ホップフィールドとカナダのトロント大学のジェフリー・ヒントン）
├
［2023年ノーベル賞 各賞関連の資料］
├
├2023年ノーベル物理学賞とその業績（計量計測データバンク編集部）
├
├2023年のノーベル賞の各賞が決まる（計量計測データバンク編集部）
├
├2023年ノーベル生理学・医学賞はカタリン・カリコー氏とドリュー・ワイズマン氏（計量計測データバンク編集部）
├
├ノーベル賞 カリコー・カタリン博士物語 人物と経歴（計量計測データバンク編集部）
├
├ノーベル賞 ドリュー・ワイズマン博士の人物と経歴（計量計測データバンク編集部）
├
├計量計測データバンク ニュースの窓－22－小林武彦講演におけるＲＮＡ、人の老い、動物の老いについて
├
├
├計量計測データバンク ニュースの窓－93－2023年のノーベル経済学賞
├計量計測データバンク ニュースの窓－95－2023年ノーベル物理学賞（その２）
├計量計測データバンク ニュースの窓－103－2023年ノーベル生理学・医学賞はmRNAワクチン開発貢献でカタリン・カリコ氏ら２名に
├計量計測データバンク ニュースの窓－104－日本列島人の頭骨の形態変化（脳容積と知能は比例しない）
├計量計測データバンク ニュースの窓－105－2023年のノーベル賞 物理学賞（その１）と化学賞
├
├脳体積と知性にかかわりはない 時代によって変化する頭骨の形状（計量計測データバンク編集部）
├
├2023年のノーベル賞の各賞が決まる（計量計測データバンク編集部）
├
├ビオンテック上席副社長カタリン・カリコ博士とCOVID-19対応mRNAワクチンの開発
├
├国民のワクチン接種率7割でCOVID-19を抑えられる
├