El Premio Nobel de Física 2024 se anunció el 8 de octubre hacia las 17:45 (hora peninsular española). John J. Hopfield, científico de la Universidad de Princeton (Estados Unidos), y Geoffrey E. Hinton, científico de la Universidad de Toronto (Canadá), han sido galardonados por sus "descubrimientos e invenciones fundamentales basados en redes neuronales artificiales que permiten el aprendizaje automático".

Utilizan la física para entrenar redes neuronales artificiales

John J. Hopfield creó una memoria asociativa que almacena y reconstruye patrones de imágenes y otros tipos de datos. Geoffrey Hinton inventó un método que descubre automáticamente atributos en los datos para realizar tareas como el reconocimiento de elementos específicos en una imagen. reconocer elementos concretos de una imagen.

Cuando hablamos de inteligencia artificial, solemos referirnos al aprendizaje automático mediante redes neuronales artificiales. Esta técnica se inspiró originalmente en la estructura del cerebro. En una red neuronal artificial, las neuronas del cerebro están representadas por nodos con distintos valores. Estos nodos interactúan entre sí a través de conexiones que pueden compararse a sinapsis y pueden reforzarse o debilitarse. Por ejemplo, la red se entrena creando conexiones más fuertes entre nodos que también tienen valores altos. Los ganadores de este año llevan realizando importantes trabajos sobre redes neuronales artificiales desde la década de 1980.

John Hopfield inventó una red que podía utilizar un método para conservar y reconstruir patrones. La red de Hopfield utiliza la física para describir las propiedades de un material debido a su espín atómico, una propiedad que convierte a cada átomo en un pequeño imán. Toda la red se describe de forma equivalente a las energías que se encuentran en los sistemas de espín en física, y se entrena buscando valores para las conexiones entre nodos de forma que las imágenes guardadas tengan una energía baja. Cuando la red Hopfield recibe una imagen distorsionada o incompleta, pasa metódicamente por los nodos y actualiza sus valores para que la energía de la red disminuya. Así, la red va encontrando poco a poco la imagen guardada que más se parece a la imagen imperfecta que se le ha suministrado.

Geoffrey Hinton utilizó la red de Hopfield como base para la nueva red, que adopta un enfoque diferente: la máquina de Boltzmann. Hinton utilizó las herramientas de la física estadística, una ciencia de sistemas compuesta por muchos elementos similares. La máquina se entrena alimentándola con ejemplos que es probable que se produzcan cuando esté funcionando realmente. Una máquina de Boltzmann puede utilizarse para clasificar imágenes o crear nuevos ejemplos para el tipo de patrón con el que se ha entrenado. y Hinton se basó en este trabajo para ayudar a poner en marcha la actual explosión del aprendizaje automático.

"El trabajo de los ganadores ya está aportando enormes beneficios. En física, utilizamos redes neuronales artificiales en una amplia gama de áreas, por ejemplo para desarrollar nuevos materiales con propiedades específicas". Ellen Moons, Presidenta del Comité Nobel de Física, ha declarado.