El Premio Nobel de Física 2024 reconoce el trabajo de investigación de John J. Hopfield y Geoffrey E. Hinton. Sin sus hallazgos, el aprendizaje automático con redes neuronales artificiales no habría evolucionado hacia la IA generativa que conocemos hoy. La Real Academia Sueca de Ciencias reconoce así el trabajo de ambos investigadores, desarrolladores de métodos que se han convertido en la base de la tecnología moderna de aprendizaje automático.
John Hopfield
John Hopfield, nacido en Chicago en 1933, es conocido por crear una memoria asociativa que permite almacenar y reconstruir imágenes y otros tipos de patrones en los datos. Su trabajo con redes neuronales artificiales se inspira en la física de materiales y el comportamiento de los átomos. La red de Hopfield utiliza un enfoque similar al de los sistemas de espín atómico para encontrar valores óptimos en la reconstrucción de imágenes incompletas o distorsionadas.
La red de Hopfield
La red de Hopfield funciona como una memoria que almacena patrones, y cuando se le presenta un patrón incompleto, puede completar la información faltante. Imagina que la red es como un grupo de luces conectadas entre sí, donde cada luz puede estar encendida o apagada. Las conexiones entre las luces determinan qué patrones se recuerdan. Cuando le das una imagen incompleta, la red ajusta las luces hasta encontrar la configuración que más se parezca al patrón que tiene almacenado. Este proceso se basa en reducir la energía del sistema, buscando siempre la solución más estable, que corresponde a la imagen más cercana al patrón original.
Geoffrey Hinton
Por otro lado, Geoffrey Hinton, nacido en Londres en 1947, utilizó la red de Hopfield como base para desarrollar la máquina de Boltzmann, capaz de reconocer elementos característicos en un tipo determinado de datos. Hinton es una figura clave del desarrollo del aprendizaje automático de las últimas décadas, y ha usado herramientas de la física estadística para entrenar redes neuronales y contribuir al avance de la inteligencia artificial.
La máquina de Boltzmann
La máquina de Boltzmann es otro tipo de red neuronal que aprende a partir de ejemplos. Se puede imaginar como un sistema de muchas partes conectadas que pueden estar en diferentes estados, como si cada parte pudiera girar hacia arriba o hacia abajo. La máquina aprende observando ejemplos de datos y ajustando sus conexiones para hacer más probables los patrones que ve. Esto significa que, después de entrenarse, la máquina de Boltzmann puede reconocer patrones similares o incluso generar nuevos ejemplos que sigan el mismo estilo de los datos con los que fue entrenada.
El premio, con una dotación de 11 millones de coronas suecas, se comparte equitativamente entre los galardonados. La Real Academia Sueca de Ciencias destaca el impacto que el trabajo de Hopfield y Hinton ya tiene en el campo de la física, donde las redes neuronales se utilizan para desarrollar nuevos materiales con propiedades específicas.
Fotografía: ©Johan Jarnestad/The Royal Swedish Academy of Sciences.
Abre un paréntesis en tus rutinas. Suscríbete a nuestra newsletter y ponte al día en tecnología, IA y medios de comunicación.
