नोबेल पारितोषिक विज्ञान, साहित्य आणि शांततेच्या क्षेत्रात जगात सर्वांत मानाच्या पुरस्कारांपैकी एक मानले जाते. यंदा भौतिकशास्त्राचा नोबेल पुरस्कार ‘AI चे प्रणेते’ म्हणून ओळखल्या जाणार्‍या जेफ्री हिंटन यांना दिला जाणार आहे. इंग्लंडमधील विम्बल्डन येथे ६ डिसेंबर १९४७ रोजी जन्मलेले जेफ्री हिंटन हे ब्रिटिश-कॅनेडियन संगणक शास्त्रज्ञ आणि संज्ञानात्मक मानसशास्त्रज्ञ आहेत. कृत्रिम न्यूरल नेटवर्क क्षेत्रातील त्यांचे योगदान अनन्यसाधारण आहे. एआयच्या क्षेत्रात केलेल्या प्रचंड कामामुळे त्यांना कृत्रिम बुद्धिमत्तेचे अग्रदूत संबोधले जाते. ‘AI चे प्रणेते’ म्हणून ओळखल्या जाणाऱ्या हिंटन यांच्या कार्याने आधुनिक मशीन लर्निंगची व्याख्याच बदलली आहे.
शिक्षण आणि प्रारंभिक कारकीर्द
हिंटन यांनी १९७० मध्ये केंब्रिज विद्यापीठातून प्रायोगिक मानसशास्त्रात पदवी प्राप्त केली आणि १९७८ मध्ये त्यांनी एडिनबर्ग विद्यापीठातून आर्टिफिशियल इंटेलिजेन्समध्ये पीएच.डी. पूर्ण केली. सॅन दिएगो येथील ससेक्स विद्यापीठ आणि कॅलिफोर्निया विद्यापीठ येथे त्यांनी पोस्ट डॉक्टरल म्हणून काम केले. १९८२ मध्ये त्यांनी कार्नेगी मेलॉन विद्यापीठामध्ये काम करण्यास सुरुवात केली. त्यांनी डेव्हिड रुमेलहार्ट व रोनाल्ड जे. विल्यम्स यांच्याबरोबर सह-लेखन करून ‘बॅक प्रॉपगेशन अल्गोरिदम’ विकसित करण्यासाठी सहकार्य केले. न्यूरल नेटवर्कला प्रशिक्षण देण्यासाठी ही पद्धत महत्त्वाची मानली जाते. ‘डीप लर्निंग’ अर्थात सखोल अध्ययन क्षेत्रातील एक प्रमुख व्यक्ती म्हणून जेफ्री हिंटन ओळखले जातात.
प्रमुख योगदान
हिंटन यांच्या संशोधनामुळे एआयमध्ये विशेषत: न्यूरल नेटवर्क्समध्ये प्रगती झाली. त्यांनी अनेक प्रभावशाली संकल्पना सादर केल्या. त्यात बॅक प्रोपॅगेशन, बोल्टझमन मशीन्स व डीप बिलीफ नेटवर्क्सचा समावेश आहे. बॅक प्रोपॅगेशन हे अल्गोरिदम एरर ग्रेडियंट्सवर आधारित असून न्यूरल नेटवर्कला आणखी प्रगत करते. बोल्टझमन मशीन्स हा स्टोकास्टिक रिकरंट न्यूरल नेटवर्कचा प्रकार आहे; तर डीप बिलीफ नेटवर्क्स हा प्रतिमा आणि उच्चार ओळखणार्‍या तंत्रज्ञानामध्ये महत्त्वपूर्ण असलेल्या लर्निंग मॉडेलचा प्रकार आहे.
२०१२ मध्ये ॲलेक्सनेटच्या विकासाने अनेक गोष्टी बदलल्या. ॲलेक्सनेट एक न्यूरल नेटवर्क आहे, ज्याने इमेजनेट डेटासेटवरील प्रतिमा वर्गीकरणात प्रगती केली. न्यूरल नेटवर्क आणि डीप लर्निंग तंत्र संगणकांना मानवी कार्यांचे अनुकरण करण्यास सक्षम करीत आहे. प्रतिमा ओळखणे, नैसर्गिक भाषेची प्रक्रिया, अगदी निर्णय घेण्यामध्येही मोठ्या प्रमाणात प्रगती झाली आहे. ही सर्व कार्ये पूर्वी मशीनच्या क्षमतेच्या पलीकडील होती. भाषांतरापासून ते चेहरा ओळखण्यापर्यंत संगणक सर्व काही प्रभावीपणे करीत आहे आणि त्यामागे जेफ्री हिंटन यांचे योगदान मोठे आहे.
जेफ्री हिंटन यांना नोबेल
जेफ्री हिंटन यांनी विविध शैक्षणिक पदे भूषवली आहेत. प्रामुख्याने टोरंटो विद्यापीठात त्यांनी एआय क्षेत्रात महत्त्वपूर्ण योगदान दिले आहे. २०१३ मध्ये त्यांनी ‘DNNresearch’ची सह-स्थापना केली; जी गूगलने विकत घेतली होती. ‘DNNresearch’मध्ये ते २०२३ पर्यंत उपाध्यक्ष आणि अभियांत्रिकी फेलो होते. त्यांच्या उत्कृष्ट योगदानासाठी त्यांना २०१८ ट्युरिंग अवॉर्ड आणि २०१० गेहार्ड हर्झबर्ग कॅनडा गोल्ड मेडल अशा अनेक पुरस्कारांनी सन्मानित करण्यात आले. २०२३ पासून हिंटन एआय तंत्रज्ञानाच्या धोक्यांवर सार्वजनिकपणे चिंता व्यक्त करीत आहेत. त्यांनी असे म्हटले होते की, आमच्या संशोधनामुळे कामाच्या आणि जगण्याच्या पद्धतीत क्रांती घडत आहे; मात्र नवीन धोकेही निर्माण होतील. त्यामुळे सावधगिरी बाळगणे आवश्यक आहे.
आपल्यापेक्षा जास्त बुद्धिमान असलेल्या यंत्रणा हळूहळू सगळ्या गोष्टींचा ताबा घेतील, अशी भीतीही हिंटन यांनी व्यक्त केली होती. ८ ऑक्टोबर २०२४ रोजी आधुनिक एआय ॲप्लिकेशन्सला आधार देणाऱ्या मशीन लर्निंग अल्गोरिदममधील अग्रगण्य कार्यासाठी त्यांना भौतिकशास्त्रातील नोबेल पारितोषिक मिळाले आहे. कृत्रिम बुद्धिमत्तेच्या दिशेने सैद्धांतिक आणि व्यावहारिक दृष्टिकोनाला सतत आकार देण्यामध्ये हिंटन यांचा मोठा वाटा आहे.
शिक्षण आणि प्रारंभिक कारकीर्द
हिंटन यांनी १९७० मध्ये केंब्रिज विद्यापीठातून प्रायोगिक मानसशास्त्रात पदवी प्राप्त केली आणि १९७८ मध्ये त्यांनी एडिनबर्ग विद्यापीठातून आर्टिफिशियल इंटेलिजेन्समध्ये पीएच.डी. पूर्ण केली. सॅन दिएगो येथील ससेक्स विद्यापीठ आणि कॅलिफोर्निया विद्यापीठ येथे त्यांनी पोस्ट डॉक्टरल म्हणून काम केले. १९८२ मध्ये त्यांनी कार्नेगी मेलॉन विद्यापीठामध्ये काम करण्यास सुरुवात केली. त्यांनी डेव्हिड रुमेलहार्ट व रोनाल्ड जे. विल्यम्स यांच्याबरोबर सह-लेखन करून ‘बॅक प्रॉपगेशन अल्गोरिदम’ विकसित करण्यासाठी सहकार्य केले. न्यूरल नेटवर्कला प्रशिक्षण देण्यासाठी ही पद्धत महत्त्वाची मानली जाते. ‘डीप लर्निंग’ अर्थात सखोल अध्ययन क्षेत्रातील एक प्रमुख व्यक्ती म्हणून जेफ्री हिंटन ओळखले जातात.
प्रमुख योगदान
हिंटन यांच्या संशोधनामुळे एआयमध्ये विशेषत: न्यूरल नेटवर्क्समध्ये प्रगती झाली. त्यांनी अनेक प्रभावशाली संकल्पना सादर केल्या. त्यात बॅक प्रोपॅगेशन, बोल्टझमन मशीन्स व डीप बिलीफ नेटवर्क्सचा समावेश आहे. बॅक प्रोपॅगेशन हे अल्गोरिदम एरर ग्रेडियंट्सवर आधारित असून न्यूरल नेटवर्कला आणखी प्रगत करते. बोल्टझमन मशीन्स हा स्टोकास्टिक रिकरंट न्यूरल नेटवर्कचा प्रकार आहे; तर डीप बिलीफ नेटवर्क्स हा प्रतिमा आणि उच्चार ओळखणार्‍या तंत्रज्ञानामध्ये महत्त्वपूर्ण असलेल्या लर्निंग मॉडेलचा प्रकार आहे.
२०१२ मध्ये ॲलेक्सनेटच्या विकासाने अनेक गोष्टी बदलल्या. ॲलेक्सनेट एक न्यूरल नेटवर्क आहे, ज्याने इमेजनेट डेटासेटवरील प्रतिमा वर्गीकरणात प्रगती केली. न्यूरल नेटवर्क आणि डीप लर्निंग तंत्र संगणकांना मानवी कार्यांचे अनुकरण करण्यास सक्षम करीत आहे. प्रतिमा ओळखणे, नैसर्गिक भाषेची प्रक्रिया, अगदी निर्णय घेण्यामध्येही मोठ्या प्रमाणात प्रगती झाली आहे. ही सर्व कार्ये पूर्वी मशीनच्या क्षमतेच्या पलीकडील होती. भाषांतरापासून ते चेहरा ओळखण्यापर्यंत संगणक सर्व काही प्रभावीपणे करीत आहे आणि त्यामागे जेफ्री हिंटन यांचे योगदान मोठे आहे.
जेफ्री हिंटन यांना नोबेल
जेफ्री हिंटन यांनी विविध शैक्षणिक पदे भूषवली आहेत. प्रामुख्याने टोरंटो विद्यापीठात त्यांनी एआय क्षेत्रात महत्त्वपूर्ण योगदान दिले आहे. २०१३ मध्ये त्यांनी ‘DNNresearch’ची सह-स्थापना केली; जी गूगलने विकत घेतली होती. ‘DNNresearch’मध्ये ते २०२३ पर्यंत उपाध्यक्ष आणि अभियांत्रिकी फेलो होते. त्यांच्या उत्कृष्ट योगदानासाठी त्यांना २०१८ ट्युरिंग अवॉर्ड आणि २०१० गेहार्ड हर्झबर्ग कॅनडा गोल्ड मेडल अशा अनेक पुरस्कारांनी सन्मानित करण्यात आले. २०२३ पासून हिंटन एआय तंत्रज्ञानाच्या धोक्यांवर सार्वजनिकपणे चिंता व्यक्त करीत आहेत. त्यांनी असे म्हटले होते की, आमच्या संशोधनामुळे कामाच्या आणि जगण्याच्या पद्धतीत क्रांती घडत आहे; मात्र नवीन धोकेही निर्माण होतील. त्यामुळे सावधगिरी बाळगणे आवश्यक आहे.
आपल्यापेक्षा जास्त बुद्धिमान असलेल्या यंत्रणा हळूहळू सगळ्या गोष्टींचा ताबा घेतील, अशी भीतीही हिंटन यांनी व्यक्त केली होती. ८ ऑक्टोबर २०२४ रोजी आधुनिक एआय ॲप्लिकेशन्सला आधार देणाऱ्या मशीन लर्निंग अल्गोरिदममधील अग्रगण्य कार्यासाठी त्यांना भौतिकशास्त्रातील नोबेल पारितोषिक मिळाले आहे. कृत्रिम बुद्धिमत्तेच्या दिशेने सैद्धांतिक आणि व्यावहारिक दृष्टिकोनाला सतत आकार देण्यामध्ये हिंटन यांचा मोठा वाटा आहे.
