Premio Nobel de Física 2024 para dos pioneros de las redes neuronales

Dos pioneros de las redes neuronales han sido galardonados con el Premio Nobel de Física 2024: John J. Hopfield, de la Universidad de Princeton; y Geoffrey E. Hinton, de la Universidad de Toronto. Ambos recibirán el premio, dotado con 1,1 millones de dólares a compartir, por sus trabajos innovadores en el campo del machine learning.

La Real Academia de las Ciencias de Suecia ha reconocido la labor de ambos desarrollando redes neuronales artificiales capaces de reconocer patrones en conjuntos de datos de gran envergadura, sentando las bases de determinadas aplicaciones de IA actuales, como las de reconocimiento facial o las de traducción de idiomas.

Hopfield, que en la actualidad tiene 91 años, se doctoró en 1958 en la Universidad de Cornell, se encargó de desarrollar un sistema de memoria asociativa en red para almacenar y reconstruir patrones de datos. Esta, conocida como la Red de Hopfield, emplea física que describe las características de un material a partir de su espín atómico, que es una propiedad que convierte a cada átomo en un pequeño imán. La red completa se describe de manera equivalente a la energía del sistema de espines de física, y se entrena descubriendo valores para las conexiones entre los nodos. De esta manera, las imágenes almacenadas tienen poca energía.

Cuando a la Red de Hopfield se la alimenta con una imagen distorsionada o incompleta, trabaja a través de los nodos y actualiza sus valores para que caiga la energía de la red. Entonces, la red se encarga de localizar la imagen que tiene almacenada completa y que es más parecida a la imperfecta que se le ha suministrado.

Por su parte, Hinton, de 76 años y doctorado desde 1978 por la Universidad de Edinburgo, inventó un método para la identificación autónoma de propiedades de datos, que permite a los sistemas realizar diversas tareas, como la identificación de elementos concretos en imágenes. También utilizó la Red de Hopfield como base, pero usa un sistema distinto para trabajar, conocido como la Máquina de Bolzmann. Esta puede aprender a reconocer elementos característicos en un tipo de datos determinado. Hinton empleó herramientas de física estadística, la ciencia de sistemas desarrollados a partir de varios componentes parecidos.

La máquina se entrena alimentándola con ejemplos que es probable que aparezcan cuando se ejecute. La Máquina de Bolzmann puede utilizarse para clasificar imágenes o crear nuevos ejemplos del tipo de patrón con el que se ha entrenado. Hinton ha trabajado con este concepto como base, colaborando además en le inicio del desarrollo del machine learning actual.

Ambos, como hemos visto, han utilizado herramientas de física en su trabajo, considerado como la base del machine learning actual. Según han destacado desde la Academia, cuando se habla de IA, en muchos casos nos referimos a machine learning utilizando redes neuronales artificiales, una tecnología inspirada por la estructura del cerebro. En una de estas redes, las neuronas cerebrales están representadas por nodos de distintos valores.

Estos nodos ejercen una influencia unos sobre otros a través de conexiones que pueden compararse con las sinapsis, y que pueden ser más o menos fuertes. La red se entrena desarrollando por ejemplo conexiones más fuertes entre los nodos con valores elevados, y se hace de manera simultánea. Los galardonados con el Premio Nobel de Física este año han realizado un trabajo importante con redes neuronales artificiales desde los años 80 del siglo pasado en adelante.

La Presidenta del Comité del Nobel de Física, Ellen Moons, ha destacado del trabajo de ambos que «ha sido extremadamente beneficioso. En física empleamos redes neuronales artificiales en un amplio rango de sectores, como por ejemplo el desarrollo de materiales nuevos con propiedades concretas«.