Los investigadores John Hopfield (Chicago) y Geoffrey Hinton (Londres) -conocido como El Padrino de la Inteligencia Artificial-, fueron galardonados con el premio Nobel de Física 2024, por sus originales aportes al desarrollo, aplicación y uso de la Inteligencia Artificial.
Los dos ganadores han utilizado herramientas de la física para desarrollar métodos que son la base del poderoso aprendizaje automático actual. Hopfield creó una memoria asociativa que puede almacenar y reconstruir imágenes y otros tipos de patrones en datos. Hinton inventó un método que puede encontrar propiedades en los datos de manera autónoma, y así realizar tareas como identificar elementos específicos en imágenes.
Al hacer el anuncio, el Comité Nobel de Física dijo que cuando se habla de inteligencia artificial, a menudo se hace referencia al aprendizaje automático utilizando 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 diferentes valores. Estos nodos se influyen entre sí a través de conexiones que pueden compararse con sinapsis, las cuales pueden fortalecerse o debilitarse. La red se entrena, por ejemplo, al desarrollar conexiones más fuertes entre nodos con valores simultáneamente altos. Los ganadores de este año han realizado trabajos importantes con redes neuronales artificiales desde la década de 1980.
John Hopfield inventó una red que utiliza un método para guardar y recrear patrones. “Podemos imaginar los nodos como píxeles. La red de Hopfield utiliza una física que describe las características de un material debido al giro atómico, una propiedad que convierte a cada átomo en un pequeño imán. La red en su conjunto se describe de manera equivalente a la energía en el sistema de espines que se encuentra en la física, y se entrena encontrando valores para las conexiones entre los nodos de manera que las imágenes guardadas tengan baja energía. Cuando se le alimenta con una imagen distorsionada o incompleta, la red de Hopfield trabaja metódicamente a través de los nodos y actualiza sus valores para que la energía de la red disminuya. De esta manera, la red trabaja paso a paso para encontrar la imagen guardada que más se asemeje a la imperfecta que recibió”.
Geoffrey Hinton utilizó la red de Hopfield como base para una nueva red que usa un método diferente: la máquina de Boltzmann. Esta puede aprender a reconocer elementos característicos en un tipo de datos dado. Hinton utilizó herramientas de la física estadística, la ciencia de los sistemas construidos a partir de muchos componentes similares. La máquina se entrena alimentándola con ejemplos que son muy probables de surgir cuando la máquina se ejecuta. La máquina de Boltzmann puede usarse para clasificar imágenes o crear nuevos ejemplos del tipo de patrón en el que fue entrenada. Hinton ha continuado trabajando en esto, ayudando a iniciar el actual desarrollo explosivo del aprendizaje automático.
“El trabajo de los galardonados ya ha sido de gran beneficio. En física utilizamos redes neuronales artificiales en una amplia gama de áreas, como el desarrollo de nuevos materiales con propiedades específicas”, dijo Ellen Moons, presidenta del Comité Nobel de Física.
John J. Hopfield, nació en 1933 en Chicago, IL, EE. UU. Doctorado en 1958 de la Universidad de Cornell, Ithaca, NY, EE. UU. Profesor en la Universidad de Princeton, NJ, EE. UU.
Geoffrey E. Hinton, nació en 1947 en Londres, Reino Unido. Doctorado en 1978 de la Universidad de Edimburgo, Reino Unido. Profesor en la Universidad de Toronto, Canadá.
Monto del premio: 11 millones de coronas suecas (un millón de dólares de EUA), a ser compartido equitativamente entre los galardonados.
