La temporada de entrega de los Premios Nobel continúa este martes con el galardón en Física. Este año los ganadores fueron el estadounidense John Hopfield y el británico Geoffrey Hinton, cuyos avances en la ciencia permitieron el aprendizaje automático con redes neuronales artificiales, las bases de lo que se conoce hoy como inteligencia artificial.
Esta tecnología que se utiliza actualmente se inspiró en su origen en la estructura del cerebro. En una red artificial, las neuronas del cerebro están representadas por nodos que tienen diferentes valores e influyen mutuamente a través de conexiones que pueden compararse con el proceso natural de sinapsis y que pueden hacerse más fuertes o más débiles. Esta red generada artificialmente se entrena, por ejemplo, fortaleciendo las conexiones entre los nodos. Los laureados de este año han hecho un trabajo importante con redes neuronales artificiales desde la década de 1980, destaca la organización.
“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”, aseguró Ellen Moons, presidenta del Comité Nobel de Física.
Según el comunicado oficial, los dos ganadores del Premio Nobel utilizaron herramientas de la física “para desarrollar métodos que son la base del poderoso aprendizaje automático actual”. Destacan que Hopfield creó “una memoria asociativa que puede almacenar y reconstruir imágenes y otros tipos de patrones en los datos”, mientras que Hinton “inventó un método que puede encontrar propiedades en los datos de manera autónoma, lo que le permite realizar tareas como identificar elementos específicos en imágenes”.
La academia sueca destacó que Hopfield haya inventado una red que utiliza un método para guardar y recrear patrones. Remarcó que “cuando se alimenta a la red de Hopfield con una imagen distorsionada o incompleta, trabaja metódicamente a través de los nodos y actualiza sus valores para que la energía de la red disminuya. Así, la red trabaja paso a paso para encontrar la imagen guardada que más se asemeja a la imperfecta con las que fue alimentada”.
Por su parte, los académicos resaltaron que Hinton utilizó la red de Hopfield como base “para una nueva red que emplea un método diferente: la máquina de Boltzmann”. Esta máquina “se entrena alimentándola con ejemplos que tienen una alta probabilidad de surgir cuando la máquina se ejecuta. La máquina de Boltzmann puede utilizarse para clasificar imágenes o crear nuevos ejemplos del tipo de patrón con el que fue entrenada. Hinton ha desarrollado este trabajo, ayudando a iniciar el desarrollo explosivo actual del aprendizaje automático”, señalaron.