ElPremio Nobel de Física 2024ha sido otorgado a los científicos John Hopfield y Geoffrey Hinton "por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales".

Inspirándose en ideas de la física y la biología, Hopfield y Hinton desarrollaron sistemas informáticos que pueden memorizar y aprender de patrones en los datos.A pesar de que nunca colaboraron directamente, se basaron en el trabajo de los demás para desarrollar las bases del auge actual del aprendizaje automático yinteligencia artificial(AI).

¿Qué son las redes neuronales?(¿Y qué tienen que ver con la física?)

Las redes neuronales artificiales están detrás de gran parte de la tecnología de inteligencia artificial que utilizamos hoy en día.

De la misma manera que tu cerebro tienecélulas neuronalesunidas por sinapsis, las redes neuronales artificiales tienen neuronas digitales conectadas en varias configuraciones.Cada neurona individual no hace mucho.Más bien, la magia reside en el patrón y la fuerza de las conexiones entre ellos.

Las neuronas de una red neuronal artificial se "activan" mediante señales de entrada.Estas activaciones caen en cascada de una neurona a la siguiente de manera que pueden transformar y procesar la información de entrada.Como resultado, la red puede realizar tareas computacionales 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.

Si bien la idea fundamental de vincular sistemas de nodos para almacenar y procesar información provino de la biología, las matemáticas utilizadas para formar y actualizar estos vínculos provinieron de la física.

Redes que pueden recordar

John Hopfield (nacido en 1933) es un físico teórico estadounidense que hizo importantes contribuciones a lo largo de su carrera en el campo de la física biológica.Sin embargo, el premio Nobel de Física fue por su trabajo desarrollandoRedes de Hopfielden 1982.

Las redes de Hopfield fueron uno de los primeros tipos deredes neuronales artificiales.Inspirados en principios de la neurobiología y la física molecular, estos sistemas demostraron por primera vez cómo una computadora podría usar una "red" de nodos para recordar y recuperar información.

Las redes que desarrolló Hopfield podían memorizar datos (como una colección de imágenes en blanco y negro).Estas imágenes podrían "recuperarse" por asociación cuando a la red se le solicita una imagen similar.

Aunque de uso práctico limitado, las redes Hopfield demostraron que este tipo de RNA podría almacenar y recuperar datos de nuevas formas.Sentaron las bases para el trabajo posterior de Hinton.

Máquinas que pueden aprender

Geoff Hinton (nacido en 1947), a veces llamado uno de los "padrinos de la IA", es un científico informático británico-canadiense que ha realizado importantes contribuciones en este campo. En 2018, junto con Yoshua Bengio y Yann LeCun, recibió el Premio Turing (el máximo honor en informática) por sus esfuerzos paraavanzar en el aprendizaje automático en general, y específicamente en una rama del mismo llamada aprendizaje profundo.

El Premio Nobel de Física, sin embargo, es específicamente por su trabajo con Terrence Sejnowski y otros colegas en 1984, desarrollandomáquinas Boltzmann.

Se trata de una extensión de la red Hopfield que demostró la idea del aprendizaje automático: un sistema que permite a una computadora aprender no de un programador, sino de ejemplos de datos.A partir de ideas de la dinámica energética de la física estadística, Hinton mostró cómo este modelo informático generativo temprano podía aprender a almacenar datos a lo largo del tiempo mostrándole ejemplos de cosas para recordar.

La máquina de Boltzmann, como antes la red Hopfield, no tuvo aplicaciones prácticas inmediatas.Sin embargo, una forma modificada (llamada máquina de Boltzmann restringida) resultó útil en algunos problemas aplicados.

Más importante fue el avance conceptual de que una red neuronal artificial podría aprender de los datos.Hinton continuó desarrollando esta idea.Posteriormente publicó artículos influyentes sobrepropagación hacia atrás(el proceso de aprendizaje utilizado en la modernidadaprendizaje automáticosistemas) yredes neuronales convolucionales(el principal tipo de red neuronal que se utiliza hoy en día para los sistemas de inteligencia artificial que funcionan con datos de imágenes y videos).

¿Por qué este premio ahora?

Las redes Hopfield y las máquinas Boltzmann parecen caprichosas en comparación con las hazañas actuales de la IA.La red de Hopfield contenía sólo 30 neuronas (intentó 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.Sin embargo, el premio Nobel de hoy subraya cuán importantes fueron estas primeras contribuciones en este campo.

Si bien los rápidos avances recientes en la IA (que la mayoría de nosotros conocemos gracias a los sistemas de IA generativa como ChatGPT) pueden parecer una reivindicación para los primeros defensores de las redes neuronales, Hinton al menos ha expresado su preocupación.En 2023, después de dejar un período de una década en la rama de inteligencia artificial de Google, dijo que estabaasustado por el ritmo de desarrolloy se unió a la creciente multitud de voces que piden una regulación más proactiva de la IA.

Después de recibir el premio Nobel, HintondichoLa IA será "como la Revolución Industrial, pero en lugar de nuestras capacidades físicas, superará nuestras capacidades intelectuales".También dijo que todavía le preocupa que las consecuencias de su trabajo puedan ser "sistemas que son más inteligentes que nosotros y que eventualmente podrían tomar el control".

Este artículo se republica desdeLa conversaciónbajo una licencia Creative Commons.Lea elartículo original.