El Premio Nobel de Física 2024 ha sido otorgado a los científicos John Hopfield y Geoffrey Hinton «por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales«, informó este martes la Real Academia de las Ciencias de Suecia.
Inspirados por ideas de la física y la biología, Hopfield y Hinton desarrollaron sistemas informáticos que pueden memorizar y aprender de los patrones de datos. Cabe mencionar que los investigadores nunca colaboraron directamente, pero Hinton se inspiró en la red de Hopfield para desarrollar las bases de lo que es el aprendizaje automático actual y la inteligencia artificial (IA).
Las redes neuronales artificiales están detrás de gran parte de la tecnología de IA que utilizamos actualmente y la Real Academia Sueca explica que “John Hopfield creó una memoria asociativa que puede almacenar y reconstruir imágenes y otros tipos de patrones en los datos. Geoffrey Hinton inventó un método que puede encontrar propiedades de forma autónoma en los datos, y así realizar tareas tales como identificar elementos específicos en las imágenes”.
¿Quiénes son John Hopfield y Geoffrey Hinton?
Los dos ganadores del Premio Nobel de Física 2024 son: John Hopfield, quien nació en Chicago, Illinois, el 15 de julio de 1933 y es profesor de la Universidad de Princeton en Nueva Jersey, Estados Unidos. Por otro lado, Geoffrey Hinton nació en Londres, Reino Unido, el 6 de diciembre de 1947 y es profesor de la Universidad de Toronto, Canadá.
Sobre las contribuciones de John Hopfield, la academia sueca destaca que “inventó una red que utiliza un método para guardar y recrear patrones. Podemos imaginar los nodos como píxeles. La red de Hopfield utiliza la física que describe las características de un material debido a su espín atómico, una propiedad que hace que cada átomo sea un pequeño imán”.
“La red en su conjunto se describe de una manera equivalente a la energía del sistema de espín que se encuentra en física, y se entrena encontrando valores para las conexiones entre los nodos de modo que las imágenes guardadas tengan baja energía. Cuando la red de Hopfield recibe una imagen distorsionada o incompleta, trabaja metódicamente a través de los nodos y actualiza sus valores para que la energía de la red caiga. La red trabaja así paso a paso para encontrar la imagen guardada que es más parecida a la imperfecta con la que fue alimentada”, agrega.
Con relación al trabajo de Geoffrey Hinton, la academia sueca señala que “utilizó la red de Hopfield como base para una nueva red que utiliza un método diferente: la máquina de Boltzmann, la cual puede aprender a reconocer elementos característicos en un tipo de datos dado”.
“Hinton utilizó herramientas de la física estadística y la ciencia de los sistemas construidos a partir de muchos componentes similares. La máquina se entrena mediante la alimentación de ejemplos que muy probablemente surgirán cuando la máquina esté en marcha. La máquina de Boltzmann puede utilizarse para clasificar imágenes o crear nuevos ejemplos del tipo de patrón en el que se ha entrenado”, amplía.
Aunque Ellen Moons, la presidenta del Comité Nobel de Física, explicó que “en física, utilizamos redes neuronales artificiales en una amplia gama de áreas, como por ejemplo en el desarrollo de nuevos materiales con propiedades específicas”, el trabajo de Hinton y Hopfield ha ayudado a iniciar la expansión que actualmente tiene el aprendizaje automático.
¿Cómo funcionan las redes neuronales?
De la misma manera que el cerebro tiene células neuronales conectadas por sinapsis, las redes neuronales artificiales tienen neuronas digitales conectadas en varias configuraciones. Cada neurona individual no puede hacer mucho, pero la magia radica en el patrón y la fuerza de las conexiones entre ellas.
Las neuronas en una red neuronal artificial son «activadas» por señales de entrada. Estas activaciones se producen en cascada de una neurona a otra, de manera que pueden transformar y procesar la información de entrada. Como resultado, la red puede realizar tareas de cálculo tales como clasificación, predicción y toma de decisiones.
La mayor parte de la historia del aprendizaje automático ha consistido en encontrar formas cada vez más sofisticadas de formar y actualizar estas conexiones entre neuronas artificiales.
Mientras que la idea fundamental de vincular sistemas de nodos para almacenar y procesar información proviene de la biología, las matemáticas utilizadas para formar y actualizar estos enlaces provienen de la física.
¿Cuál es el proyecto específico por el que reciben el Premio Nobel de Física 2024?
Ya hemos mencionado las contribuciones del estadounidense John Hopfield al campo de la física biológica, sin embargo, el Premio Nobel de Física 2024 se le ha otorgado específicamente por su trabajo en el desarrollo de las redes de Hopfield que realizó en 1982.
Las redes de Hopfield sentaron las bases para los posteriores desarrollos de Geoffrey Hinton, quien es considerado uno de los pioneros de la IA e incluso fue galardonado en 2018, junto a Yoshua Bengio y Yann LeCun, con el premio Turing, uno de los mayores reconocimientos en el campo de la informática, por sus contribuciones en el aprendizaje automático, especialmente en la rama del aprendizaje profundo.
Sin embargo, el Premio Nobel de Física para Geoffrey Hinton reconoce específicamente su trabajo con Terrence Sejnowski y otros colegas, que en 1984 desarrollaron las máquinas Boltzmann, las cuales son una extensión de la red de Hopfield que demostró la idea del aprendizaje automático, un sistema que permite que una computadora aprenda no de un programador, sino de ejemplos de datos.
Basándose en ideas de la dinámica energética de la física estadística, Hinton demostró cómo este modelo informático generativo temprano podía aprender a almacenar datos a lo largo del tiempo al mostrarle ejemplos de cosas para recordar, señala el sitio web The Conversation.
La máquina de Boltzmann, al igual que la red de Hopfield que la precedió, no tuvo aplicaciones prácticas inmediatas. Sin embargo, una forma modificada (llamada máquina de Boltzmann restringida) fue útil en algunos problemas aplicados.
Más importante aún fue el avance conceptual de que una red neuronal artificial podía aprender de los datos. Hinton continuó desarrollando esta idea. Más tarde publicó artículos influyentes sobre la retropropagación (el proceso de aprendizaje utilizado en los sistemas de aprendizaje automático modernos) y las redes neuronales convolucionales (el principal tipo de red neuronal que se utiliza hoy en día para los sistemas de IA que trabajan con datos de imágenes y vídeo).
No obstante que las redes de Hopfield y las máquinas de Boltzmann nos puedan parecer insulsas ante el desempeño de las actuales herramientas de IA, tomando en cuenta que, por ejemplo, la red de Hopfield contenía solo 30 neuronas (trató de hacer una con 100 nodos, pero era demasiado para los recursos informáticos de la época), mientras que los sistemas modernos como ChatGPT pueden tener millones, la academia sueca destaca la importancia que tuvieron estas primeras investigaciones.
El Premio Nobel de Física 2024 que recibirán John Hopfield y Geoffrey Hinton se acompaña de 11 millones de coronas suecas, equivalente a un millón de dólares aproximadamente, que se repartirá equitativamente entre ambos galardonados.
¿Te interesó esta historia? ¿Quieres publicarla? Contacta a nuestra editora de contenidos para conocer más marianaleonm@tec.mx.
