El Nobel de Física 2024 a los pioneros de las redes neuronales que sentaron las bases de la IA que dieron “vida” a ChatGPT

OSLO.-El Premio Nobel de Física 2024 ha sido otorgado a los científicos John Hopfield y Geoffrey Hinton por sus descubrimientos fundamentales que permiten el aprendizaje automático mediante redes neuronales artificiales. Sus contribuciones, aunque separadas, han sentado las bases para el auge actual de la inteligencia artificial (IA), que usamos en nuestra vida diaria, desde asistentes virtuales como Siri hasta aplicaciones más avanzadas como ChatGPT.

¿Qué son las redes neuronales y cómo se relacionan con la física?

Las redes neuronales artificiales son un tipo de sistema computacional que imita cómo funciona el cerebro humano. Al igual que las neuronas de tu cerebro se conectan entre sí a través de sinapsis, las redes neuronales artificiales están formadas por “neuronas digitales” que están conectadas de manera similar. Cada neurona individual no hace mucho por sí sola, pero la “magia” ocurre cuando trabajan juntas, formando patrones complejos y procesando información.

Por ejemplo, cuando introduces datos en una red neuronal (como una imagen o un texto), la información viaja a través de las neuronas digitales y las conexiones entre ellas, procesando y transformando los datos para realizar tareas como clasificar, predecir o tomar decisiones.

Tecnología

Así se vería Candy Candy como niña real según la IA

Aunque la idea de conectar neuronas para procesar información proviene de la biología, las matemáticas que se utilizan para crear y actualizar estas conexiones tienen su origen en la física. Este entrelazamiento entre la física y la biología es lo que ha permitido que estas redes neuronales evolucionen hasta convertirse en lo que hoy conocemos como IA.

Te puede interesar: ¿Qué es MicroRNA?: Investigadores de esta rama ganaron el Nobel de Medicina 2024

Redes que pueden recordar: El trabajo de John Hopfield

John Hopfield, un físico teórico nacido en 1933, desarrolló uno de los primeros tipos de redes neuronales artificiales en 1982, conocido como las redes de Hopfield. Estas redes demostraron cómo una computadora podría usar un conjunto de “nodos” conectados (o neuronas artificiales) para memorizar y recordar información.

Un ejemplo práctico sería que estas redes pueden recordar imágenes en blanco y negro y, al mostrarles una imagen similar pero incompleta, podrían reconstruir la imagen original. Aunque este tipo de red neuronal tenía un uso práctico limitado, fue un gran avance en demostrar que las computadoras podían almacenar y recuperar información de nuevas formas. Este trabajo de Hopfield allanó el camino para que otros científicos, como Hinton, pudieran construir redes más avanzadas.

Máquinas que pueden aprender: El trabajo de Geoffrey Hinton

Geoffrey Hinton, conocido como uno de los “padrinos de la IA”, es un científico británico-canadiense que ha realizado numerosas contribuciones al campo de la inteligencia artificial. Su trabajo más relevante para el Premio Nobel fue el desarrollo de las máquinas de Boltzmann en 1984. Estas redes neuronales no solo podían recordar información, sino que también podían aprender a partir de ejemplos sin necesidad de ser programadas específicamente para cada tarea. Este concepto de aprendizaje automático, donde las máquinas aprenden por sí solas a partir de los datos, es clave en los sistemas de IA modernos.

Te puede interesar: ¿Qué es un attosegundo? Un físico químico explica la pequeña escala de tiempo detrás de la investigación ganadora del Premio Nobel

Aunque las primeras versiones de estas máquinas no eran muy útiles en la práctica, el concepto fue crucial. A medida que la tecnología mejoró, Hinton continuó perfeccionando estas ideas, contribuyendo al desarrollo de las redes neuronales profundas (deep learning) que hoy se utilizan en sistemas que analizan imágenes y videos.

¿Por qué este premio es importante ahora?

Las redes neuronales de Hopfield y las máquinas de Boltzmann pueden parecer simples en comparación con los sistemas avanzados de IA actuales, que tienen millones de neuronas artificiales. Sin embargo, este premio resalta lo crucial que fueron estos primeros avances para el desarrollo de la IA moderna.

Un ejemplo claro es ChatGPT: este sistema usa redes neuronales avanzadas para procesar grandes cantidades de datos y generar respuestas inteligentes, algo que fue posible gracias a las ideas que Hopfield y Hinton propusieron hace décadas.

Lo Curioso

“A.I God”: Robot pinta su primera “obra de arte” y se subasta por $1.3 millones de dólares

Además, Hinton, aunque celebra los avances de la IA, ha expresado su preocupación por el rápido desarrollo de esta tecnología. Cree que la IA, en el futuro, podría superar nuestras capacidades intelectuales y advierte sobre la necesidad de una regulación adecuada para evitar que estas máquinas se vuelvan incontrolables.

Ejemplo para entender la importancia de este tema

Imagina que tienes una gran cantidad de fotos de diferentes tipos de perros. Una computadora tradicional necesitaría reglas exactas para saber qué tipo de perro está en cada foto. Sin embargo, usando redes neuronales, puedes simplemente mostrarle a la computadora miles de fotos etiquetadas con el tipo de perro. Con el tiempo, la computadora aprenderá por sí sola a identificar diferentes razas de perros, sin necesidad de que le digas explícitamente cómo hacerlo.

Este tipo de aprendizaje automático es lo que permite que sistemas como YouTube te recomienden videos, que las redes sociales te sugieran amigos o que los autos sin conductor puedan tomar decisiones en tiempo real. Las contribuciones de Hopfield y Hinton son fundamentales para todo esto.

¿Por qué es importante este tema?

El trabajo de Hopfield y Hinton no solo transformó la informática, sino que también ha cambiado el mundo moderno. La IA está en todas partes, desde los teléfonos que usamos hasta la medicina, y entender cómo funciona nos ayuda a prepararnos para un futuro en el que estas máquinas desempeñarán un papel cada vez más importante. Además, al conocer las preocupaciones sobre los riesgos de la IA, podemos ser más conscientes de la necesidad de crear regulaciones que la controlen de manera segura.

Artículo original publicado en The Conversation