El Premio Nobel de Física es para los padres del aprendizaje automático

El reconocimiento a John Hopfield y Geoffrey E.Hinton, el primero en "entrenar" redes neuronales, allanando el camino para la inteligencia artificial

ROMA – La Academia Sueca concedió el Premio Nobel de Física 2024 a investigadores John Hopfield y Geoffrey E.Hinton, quien fue el primero en “entrenar” redes neuronales, allanando el camino para un “poderoso aprendizaje automático automático”, por tanto a la inteligencia artificial.

El estadounidense John Hopfield, como leemos en la nota, "creó una memoria asociativa capaz de archivar y reconstruir imágenes y otro tipo de modelos en los datos".En cuanto al británico Geoffrey Hinton, “inventó un método que puede encontrar propiedades en los datos de forma independiente y luego realizar tareas como identificar elementos específicos en imágenes”.

“El trabajo de los premiados ya ha aportado grandes beneficios.En física utilizamos redes neuronales artificiales en una amplia gama de áreas, como el desarrollo de nuevos materiales con propiedades específicas”, dice Ellen Moons, presidenta del Comité Nobel de Física.

La Academia Sueca continúa:“Cuando hablamos de inteligencia artificial, a menudo nos referimos al aprendizaje automático a través de redes neuronales artificiales. Esta tecnología se inspiró originalmente en la estructura del cerebro..En una red neuronal artificial, las neuronas del cerebro están representadas por nodos que tienen valores diferentes.Estos nodos se influyen entre sí a través de conexiones que pueden compararse con las sinapsis y que pueden fortalecerse o debilitarse.La red se entrena, por ejemplo, desarrollando conexiones más fuertes entre nodos con valores simultáneamente altos.Los ganadores de este año han realizado importantes trabajos con redes neuronales artificiales desde los años 80 en adelante".

La Academia continúa:“John Hopfield inventó una red que utiliza un método para guardar y recrear patrones.Podemos pensar en los nodos como píxeles.La red Hopfield utiliza la física que describe las características de un material gracias a su espín atómico, propiedad que convierte a cada átomo en un pequeño imán.La red en su conjunto se describe de una manera equivalente a la energía en el sistema de espín que se encuentra en la física, y se entrena encontrando valores para las conexiones entre nodos para que las imágenes guardadas tengan baja energía.Cuando a la red Hopfield se le da una imagen distorsionada o incompleta, trabaja metódicamente a través de los nodos y actualiza sus valores para que la energía de la red disminuya.Luego, la red trabaja en etapas para encontrar la imagen guardada que sea más similar a la imperfecta con la que fue alimentada".

En cuanto a Geoffrey Hinton, “utilizó la red de Hopfield como base para una nueva red utilizando un método diferente:La máquina de Boltzmann.Este puede aprender a reconocer elementos característicos en un determinado tipo de datos.Hinton utilizó herramientas de la física estadística, la ciencia de los sistemas construidos a partir de muchos componentes similares.La máquina se entrena dándole ejemplos que probablemente surgirán cuando la máquina comience a funcionar.La máquina Boltzmann se puede utilizar para clasificar imágenes o crear nuevos ejemplos del tipo de patrón en el que fue entrenada.Hinton se basó en este trabajo y ayudó a iniciar el explosivo desarrollo actual del aprendizaje automático”.