John J. Hopfield (Chicago, 1933), de la Universidad de Princeton (USE) y Geoffrey E. Hinton (Londres, 1947), de la Universidad de Toronto (Canadá), han sido reconocidos con el Premio Nobel de Física 2024 por sus «descubrimientos e inventos fundamentales que permiten el aprendizaje de máquinas y las redes neuronales artificiales», según el comunicado de la Real Academia Sueca de Ciencias, que pone de nuevo a la inteligencia artificial (IA) en el centro de la actualidad, algo que no ha perdido desde hace más de un año. ¿Qué han logrado estas eminencias y en qué te afectará en tecnología en general y en IA en particular?

John J. Hopfield y Geoffrey E. Hinton han sido reconocidos por sus descubrimientos fundamentales que han transformado la forma en que las máquinas aprenden, simulan el pensamiento humano y toman decisiones, un frente más en una carrera meteórica hacia la IAG o inteligencia artificial general.

Lo curioso es que los trabajos premiados van más allá o tienen más que ver con otras disciplinas que la física, como la biología o la computación. Es indudable que el camino va hacia la unificación en materia de inteligencia artificial.

La profesora Ellen Moons, el secretario general de la Academia Sueca de Ciencias, Hans Ellegren, y el profesor Anders Irback durante el anuncio de John J. Hopfield y Geoffrey E. Hinton como ganadores del Premio Nobel de Física de este año en Estocolmo, Suecia.

El impacto de las redes neuronales artificiales en la IA

Las redes neuronales artificiales son el núcleo de los avances actuales en inteligencia artificial y aprendizaje automático. Estas redes imitan la estructura de las neuronas en el cerebro humano, utilizando nodos conectados que se entrenan para reconocer patrones y tomar decisiones basadas en grandes cantidades de datos. Sin las contribuciones de Hopfield y Hinton, este campo probablemente no habría alcanzado el nivel de sofisticación que conocemos hoy.

Hopfield fue el pionero en crear un tipo especial de red neuronal, conocida como la red de Hopfield, que puede almacenar y reconstruir patrones o imágenes incompletas. Es decir, si se le da una imagen distorsionada, la red puede «adivinar» cuál es la versión original mediante un proceso de optimización paso a paso. Esta capacidad para «recordar» y reconstruir información es clave para aplicaciones que van desde el reconocimiento de imágenes hasta la restauración de datos en sistemas complejos
.

Por su parte, Geoffrey Hinton expandió estos conceptos y desarrolló la máquina de Boltzmann, otro tipo de red neuronal que puede aprender a identificar propiedades específicas en datos complejos, un avance fundamental para el desarrollo de grandes redes neuronales que se utilizan actualmente en áreas como el reconocimiento de voz y la visión por computadora. De hecho, muchos de los algoritmos de IA que utilizamos hoy en día en nuestros teléfonos y aplicaciones de software se basan en los descubrimientos de Hinton
.

Aprendizaje automático: un futuro que ya es presente

Cuando se habla de aprendizaje automático (o machine learning), se refiere a la capacidad de las máquinas para aprender de ejemplos y mejorar su rendimiento sin ser programadas de forma explícita para cada tarea.

A diferencia de los enfoques tradicionales en los que el software sigue instrucciones detalladas como si fuera una receta de cocina, las máquinas entrenadas en redes neuronales pueden aprender con el ejemplo, lo que les permite abordar problemas más complejos y vagos que antes eran imposibles de resolver
.

Este tipo de tecnología ya se está utilizando en múltiples áreas de la vida cotidiana, desde los asistentes virtuales en nuestros teléfonos hasta los sistemas de conducción autónoma. La capacidad de aprender y adaptarse convierte a las máquinas en herramientas poderosas para resolver problemas en tiempo real y ajustar su comportamiento con base en nueva información. Sin los descubrimientos de Hopfield y Hinton, los avances en estas áreas no habrían sido posibles.

Premio Nobel de Economía: así se gastan los ganadores el millón de euros del premio

La ciencia detrás de los descubrimientos: de la física a la IA

Aunque pueda parecer sorprendente, muchos de los avances en IA provienen de conceptos fundamentales de la física. Las redes neuronales que Hopfield y Hinton ayudaron a desarrollar están profundamente influenciadas por la física estadística, un campo que estudia sistemas compuestos por muchos componentes similares, como átomos o partículas. Los científicos utilizaron estos principios para crear modelos matemáticos que simulan el comportamiento de grandes redes de neuronas, tanto artificiales como biológicas
.

En el caso de la red de Hopfield, se utilizó un concepto de la física conocido como el espín de los átomos, que permite que la red funcione como una especie de memoria asociativa. Este tipo de redes puede actualizarse a sí misma basándose en los datos entrantes, ajustando sus conexiones hasta que encuentra el patrón más probable que coincida con la información que ha recibido
.

Por otro lado, la máquina de Boltzmann, desarrollada por Hinton, utiliza un enfoque probabilístico para aprender a reconocer patrones en datos complejos. Este tipo de red es capaz de clasificar imágenes y datos, y se utiliza en muchas aplicaciones modernas de visión por computadora y análisis de datos
.

¿Qué significa este Nobel para el futuro de la IA?

El reconocimiento de Hopfield y Hinton con el Premio Nobel de Física subraya la importancia de los avances en inteligencia artificial y aprendizaje automático en el mundo moderno. Los descubrimientos realizados por estos científicos no solo han transformado el campo de la tecnología, sino que también han abierto nuevas fronteras en la ciencia.

Gracias a sus contribuciones, hoy en día las máquinas pueden realizar tareas que antes eran exclusivas de los humanos, como el reconocimiento de voz, el análisis de imágenes médicas y la predicción de comportamientos complejos
.

En el futuro, es probable que veamos una expansión aún mayor de estas tecnologías en áreas como la medicina, donde las máquinas podrán diagnosticar enfermedades con una precisión sin precedentes, y la educación, donde los sistemas de aprendizaje automatizados pueden personalizar la experiencia de los estudiantes.

También es posible que las máquinas con capacidad para aprender de manera autónoma jueguen un papel crucial en la resolución de desafíos globales, como el cambio climático y la gestión de recursos naturales.

Los galardonados, los primeros preocupados

Los científicos siempre miran hacia adelante, descubrir más y resolver más problemas, pero también se paran a pensar en las consecuencias. Es el caso del propio Hinton, que al poco tiempo de saber del premio, reconoció vía telefónica en la conferencia de prensa del anuncio que le “preocupan las consecuencias del desarrollo y que las cosas se vayan fuera de control”, y por ello se arrepiente algo de su trabajo, aunque lo volvería a hacer, sobre todo por las posibilidades «maravillosas» en campos como la medicina.

Por su parte, Hopfield es uno más de los más de 1.000 expertos firmantes de la carta abierta advirtiendo del peligro del uso de la IA: “Los sistemas de IA con inteligencia humana-competitiva pueden plantear riesgos profundos para la sociedad y la humanidad. La IA avanzada podría representar un cambio profundo en la historia de la vida en la Tierra, y debe planificarse y administrarse con el cuidado y los recursos correspondientes. Desafortunadamente, este nivel de planificación y gestión no está ocurriendo”, decía esa misiva de marzo de 2023, tras la explosión del uso del ChatGPT.

Sin embargo, algunos de los firmantes siguen en la carrera febril de la IA, como Elon Musk, y Hinton reconoce que es un usuario habitual de ChatGPT.

Lo que parece consensuado es lo justo de este premio Nobel, aunque a algunos les haya sorprendido, como a Enzo Tagliazucchi, investigador del Instituto de Física Interdisciplinaria y aplicada del Conicet y profesor de la UBA, quien ha declarado que “si uno mira en general los Nobel son para avances específicos en problemas tradicionales, por eso un poco me sorprende la decisión de este año, aunque es perfecta desde la calidad de los investigadores”.

Diego Fernández Szlezak, investigador del Conicet en el Departamento de Computación de la UBA, lo tiene más claro y ha dicho en declaraciones al diario argentino La Nación que “son dos referentes absolutos, el premio es muy justo”.