El Premio Nobel de Física 2024 fue otorgado a John J. Hopfield, de la Universidad de Princeton, Nueva York, EE. UU., y Geoffrey Hinton, de la Universidad de Toronto, Canadá, por sus descubrimientos e invenciones fundamentales que permiten el aprendizaje automático utilizando neuronas artificiales. redes.
La Real Academia Sueca de Ciencias describe en un comunicado que los dos científicos utilizaron herramientas físicas para desarrollar métodos que forman la base del potente aprendizaje automático actual. John Hopfield creó la 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 en los datos de forma independiente y así realizar tareas como identificar elementos específicos en imágenes.
La Inteligencia Artificial pasa por el aprendizaje automático mediante redes neuronales artificiales. Esta tecnología se inspiró originalmente en la estructura del cerebro, donde las neuronas del cerebro están representadas en una red neuronal artificial por nodos que tienen diferentes valores. Estos ganglios se influyen entre sí a través de conexiones que pueden compararse con las sinapsis y que pueden fortalecerse o debilitarse.
La red se entrena, por ejemplo, desarrollando simultáneamente conexiones más fuertes entre nodos con valores altos. Los científicos han realizado importantes trabajos con redes neuronales artificiales a partir de los años 1980.
John Hopfield inventó una cuadrícula que utiliza un método para guardar y recrear patrones. Podemos pensar en los nodos como píxeles. La cuadrícula de Hopfield utiliza la física que describe las propiedades de la materia debido a su giro atómico, la propiedad que convierte a cada átomo en un pequeño imán.
La red en su conjunto se describe de una manera equivalente a la energía de un sistema rotacional que se encuentra en la física, y se entrena encontrando valores para las conexiones entre nodos de manera que las imágenes guardadas sean de baja energía. Cuando una red Hopfield se alimenta de forma distorsionada o de forma incompleta, recorre sistemáticamente los nodos y actualiza los valores para que la potencia de la red disminuya. Luego, la red trabaja paso a paso para encontrar la imagen que más se parezca a la imagen incompleta que recibió.
Geoffrey Hinton utilizó la red Hopfield como base para una nueva red que utilizaba un método diferente: la máquina de Boltzmann. La red puede aprender a reconocer distintos elementos en un tipo particular de datos. Hinton utilizó herramientas de la física estadística, que es la ciencia de los sistemas construidos a partir de muchos componentes similares. La máquina se entrena dándole ejemplos que probablemente aparecerán cuando se opere la máquina.
Se puede utilizar una máquina Boltzmann para clasificar imágenes o crear nuevos ejemplos del tipo de patrón en el que se entrenó. Hinton se basó en este trabajo y ayudó a iniciar el actual desarrollo masivo del aprendizaje automático.
«El trabajo de los galardonados ya ha aportado grandes beneficios en física: utilizamos redes neuronales artificiales en una amplia variedad de campos, como en el desarrollo de nuevos materiales con propiedades específicas», afirma Elaine Munz, presidenta del Comité del Nobel de Física. en un comunicado.
