El Premio Nobel de Física 2024 ha sido otorgado hoy a John Hopfield y Geoffrey Hinton, dos investigadores cuyas aportaciones a la física y la inteligencia artificial han sentado las bases para el 'machine learning' o aprendizaje automatizado mediante redes neuronales artificiales.
Estas constituyen un componente esencial de la actual revolución de la IA, e imitan el funcionamiento de las neuronas en el cerebro, que, a través de conexiones sinápticas de diversa intensidad, son capaces de procesar y almacenar información.
De manera similar, las redes neurales artificiales utilizan conexiones entre "neuronas" digitales, que se fortalecen o debilitan durante el proceso de entrenamiento para llevar a cabo tareas complejas como el reconocimiento de patrones y la clasificación de datos.
Los avances actuales en inteligencia artificial, como los modelos de lenguaje generativo, parecen muy lejanos de las redes que Hopfield y Hinton desarrollaron hace más de cuatro décadas: las redes de Hopfield contenían apenas 30 neuronas en su diseño original, una cantidad ínfima comparada con los millones que tienen los sistemas modernos.
Sin embargo, su concepto de "memoria asociativa" sentó las bases para el almacenamiento y la recuperación de información en las redes complejas de hoy.
Las contribuciones de Hopfield y Hinton
- John Hopfield: En 1982, introdujo la 'red de Hopfield', un tipo de red neural que puede almacenar patrones de información y luego recuperarlos cuando se le presenta un estímulo similar. Su diseño utiliza principios de la mecánica estadística para crear una forma de "memoria asociativa", capaz de corregir imágenes incompletas al reducir la energía del sistema.
Esto supuso un avance fundamental a la hora de que una red computacional pudiera "recordar" y mejorar la calidad de los datos que se le presentan.
- Geoffrey Hinton: Amplió estos conceptos para desarrollar la 'máquina de Boltzmann', un modelo de 'deep learning' generativo que puede identificar características clave en los datos de forma autónoma. Hinton, conocido como el "padrino de la IA", aplicó principios de la física estadística para crear redes que no sólo clasifican información, sino que también generan nuevas instancias a partir de ejemplos previos.
Este desarrollo permitió que las máquinas "aprendieran" a partir de datos, en lugar de depender de un conjunto fijo de instrucciones programadas. Esto sentó las bases para crear los métodos que hoy dominan el campo de la IA (como la retropropagación y las redes convolucionales) y que son esenciales para el procesamiento de imágenes y la generación de contenido, y se encuentran en el corazón de muchas de las aplicaciones de IA modernas.
¿Por qué premiarles con un Nobel de física (y no de otra ciencia)?
El trabajo de Hopfield y Hinton refleja la fructífera convergencia de disciplinas como la biología, la física y la informática. Las redes neurales artificiales, aunque inspiradas en la estructura y funcionamiento del cerebro humano, deben mucho a los avances matemáticos y físicos que hicieron posibles modelos computacionales eficientes.
La física estadística proporcionó las herramientas para modelar cómo las redes pueden ajustarse y optimizarse durante su entrenamiento, un proceso que hoy en día permite que los sistemas de IA aprendan y mejoren de forma continua.
La entrega del Premio Nobel de Física a Hopfield y Hinton pone de relieve el papel central de la física en el desarrollo de la IA... aunque sorprende que lo haga en un año en que muchos pronósticos apuntaban a que el Nobel de Física premiaría investigaciones en áreas como la materia condensada.
El 'padrino de la IA', defensor de una mayor regulación
"Las personas no podrán saber lo que es verdad". Geoffrey Hinton abandonó Google hace año y medio, en parte por su edad: "Cada vez me resulta más difícil hacer el trabajo técnico, porque tienes que recordar todo tipo de detalles y eso es complicado"...
... pero también señalaba que, si bien respaldaba la trayectoria de su compañía en ese campo, cada vez se sentía cómodo con el devenir de la IA y con su rápida evolución, y con la escalada que, según él, había provocado en la industria OpenAI/Microsoft al lanzar sus productos al mercado demasiado pronto.
Imagen | Marcos Merino mediante IA
Ver 0 comentarios