El Premio Nobel de Física 2024 ha sido otorgado a dos científicos por desarrollar los métodos que sientan las bases de la poderosa IA actual.
John Hopfield y Geoffrey Hinton recibieron el prestigioso premio por «descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales».
John Hopfield, de la Universidad de Princeton, inventó los primeros métodos que permiten a las redes neuronales guardar y recrear patrones.
Geoffrey Hinton, de la Universidad de Toronto, dio a estas redes la capacidad de encontrar propiedades específicas, permitiéndoles completar tareas como reconocer elementos en imágenes.
Los descubrimientos de estos científicos allanaron el camino para las redes neuronales artificiales que impulsan los chatbots modernos como ChatGPT.
El Premio Nobel de Física 2024 ha sido otorgado a John Hopfield y Geoffrey Hinton por desarrollar los métodos que son la base de la poderosa IA actual.
El Comité del Premio Nobel de Física otorgó a los dos científicos el premio por sus «descubrimientos fundamentales» que llevaron al desarrollo del aprendizaje automático.
La mayoría de las inteligencias artificiales modernas se basan en una tecnología llamada redes neuronales artificiales que imitan las conexiones entre las neuronas del cerebro.
En la IA, las neuronas están representadas por nodos que se influyen entre sí a través de conexiones que pueden debilitarse o fortalecerse, lo que permite a las IA aprender con el tiempo.
Sin esta tecnología, los potentes sistemas que ejecutan todo, desde ChatGPT hasta Apple Intelligence, no serían posibles.
Los premios Nobel de este año contribuyeron decisivamente a sentar las bases de estos importantes avances a partir de la década de 1980.
Ellen Moons, presidenta del Comité Nobel de Física, dice: «El trabajo de los galardonados ya ha sido de gran beneficio».
«En física utilizamos redes neuronales artificiales en una amplia gama de áreas, como en el desarrollo de nuevos materiales con propiedades específicas».
John Hopfield fue responsable de inventar un sistema llamado ‘Hopfield Network’ que permite a la IA guardar y recrear patrones.
Con su experiencia en física, Hopfield intentó comprender cómo las neuronas individuales del cerebro trabajan juntas para crear nuevas e interesantes habilidades.
Imaginó que el cerebro trabajaba en conjunto como una red de nodos unidos por conexiones de diferentes fuerzas.
Las IA actuales utilizan un sistema llamado Redes Neuronales Artificiales que no sería posible sin el trabajo de Hopfield y Hinton.
Hopfield descubrió que podía programar estas redes alimentándolas con una imagen y siguiendo una regla que ajusta las conexiones entre los nodos para darle a la imagen «baja energía».
Puedes pensar en esto como darle forma a un paisaje de picos y valles: cuando la red recibe una imagen, crea un valle en un paisaje virtual donde el fondo del valle tiene la energía más baja.
Si dejaras caer una bola en este paisaje, seguiría rodando hacia abajo hacia energías más bajas hasta quedar rodeada de colinas por todos lados.
De la misma manera, la red Hopfield es capaz de encontrar el patrón coincidente más cercano a una entrada distorsionada o incluso parcialmente eliminada.
Mientras tanto, Geoffrey Hinton recibió el Premio Nobel principalmente por su trabajo en la creación de la «Máquina Boltzmann».
John Hopfield descubrió una forma de almacenar imágenes en redes artificiales que brinda a las computadoras la capacidad de encontrar la imagen guardada más parecida cuando se les proporcionan datos parcialmente distorsionados.
Estas máquinas utilizan la red Hopfield como base, pero le dan a la red la nueva capacidad de reconocer elementos característicos en un tipo determinado de datos.
Así como los humanos son capaces de reconocer e interpretar datos según categorías, Hinton quería saber si lo mismo sería posible para las máquinas.
Para ello, Hinton y su colega Terrence Sejnowski combinaron los paisajes energéticos de Hopfield con ideas tomadas de la física estadística.
Estos métodos permiten a los científicos describir sistemas que tienen demasiadas partes individuales para realizar un seguimiento individual, como las moléculas que forman una nube de gas.
Aunque no podemos realizar un seguimiento de todas las partes, podemos describir algunos estados en los que podrían existir como más probables y calcular estas probabilidades en función de la cantidad de energía disponible.
Geoffrey Hinton (en la foto) es a menudo descrito como el «padrino de la IA» por su trabajo en la creación de los primeros algoritmos «generativos» capaces de aprender de ejemplos.
Geoffrey Hinton recibió el premio por su trabajo creando la máquina Boltzmann (ilustrada) que amplió las redes Hopfield para incluir capas «ocultas» que les permiten aprender de ejemplos.
El gran avance de Hinton fue tomar una ecuación del físico del siglo XIX Ludwig Boltzmann que describe este proceso y aplicarla a una red de Hopfield.
La ‘máquina de Boltzmann’ resultante tiene nodos como una red Hopfield pero también contiene una capa de nodos ‘ocultos’.
La máquina se ejecuta actualizando el valor de los nodos uno a la vez hasta que encuentra un estado en el que el patrón de los nodos puede cambiar sin alterar las propiedades de la red en su conjunto.
Esto permite que la máquina aprenda al recibir ejemplos de lo que está buscando.
La máquina se puede entrenar cambiando los valores de sus conexiones hasta que el patrón de ejemplo tenga la mayor probabilidad de aparecer en los «nodos visibles».
Los avances creados por Fieldman y Hinton han creado la base para las redes neuronales que impulsan la IA moderna más avanzada (foto de archivo)
Los chatbots de IA como ChatGPT utilizan redes neuronales artificiales para alimentar sus vastos sistemas; esto no habría sido posible sin la investigación básica realizada por Fieldman y Hinton (foto de archivo)
Esto permite a la IA reconocer patrones en cosas que no ha visto antes, de la misma manera que puedes saber instantáneamente que un tigre está relacionado de alguna manera con tu gato doméstico, incluso si no has visto uno antes.
Al superponer muchas de estas redes una encima de otra, podemos crear algo que comience a parecerse a muchas de las IA que reconocemos hoy.
Por ejemplo, se podría utilizar una simple máquina Boltzmann para recomendarle películas en función de lo que le haya gustado antes.
Aunque el campo de la IA ha avanzado mucho desde que Hopfield y Hinton hicieron sus descubrimientos iniciales, su trabajo ha sentado las bases para algunas de las innovaciones más importantes de la historia reciente.
