Los pioneros del aprendizaje automático ganan el Premio Nobel de Física

Los pioneros del aprendizaje automático ganan el Premio Nobel de Física

Dos investigadores que... Métodos de aprendizaje automático han desarrollado el de hoy Auge de la inteligencia artificial (IA) subyacente, fueron galardonados con el Premio Nobel de Física 2024.

John Hopfield de la Universidad de Princeton en Nueva Jersey y Geoffrey Hinton de la Universidad de Toronto, Canadá, comparten el premio de 11 millones de coronas suecas (1 millón de dólares), anunciado el 8 de octubre por la Real Academia Sueca de Ciencias en Estocolmo.

Ambos utilizaron herramientas físicas para desarrollar métodos que redes neuronales artificiales que utilizan estructuras en capas inspiradas en el cerebro para aprender conceptos abstractos. Sus descubrimientos "forman los componentes básicos del aprendizaje automático que puede ayudar a las personas a tomar decisiones más rápidas y seguras", dijo durante el anuncio Ellen Moons, presidenta del Comité Nobel y física de la Universidad de Karlstad, Suecia. "Las redes neuronales artificiales se han utilizado para avanzar en la investigación en diversos temas de física, desde la física de partículas hasta la ciencia de materiales y la astrofísica".

En 1982, Hopfield, un biólogo teórico con experiencia en física, desarrolló una red que describía las conexiones entre nodos como fuerzas físicas. 1. Al almacenar patrones como un estado de bajo consumo de energía de la red, el sistema podría restaurar la imagen cuando se enfrente a un patrón similar. Se la conoció como memoria asociativa porque se parece al cerebro que intenta recordar una palabra o un concepto que rara vez se utiliza.

Hinton, un científico informático, utilizó más tarde principios de la física estadística utilizados para describir colectivamente sistemas compuestos por demasiadas partes individuales para desarrollar aún más las "redes Hopfield". Al incorporar probabilidades en una versión en capas de la red, creó una herramienta capaz de reconocer y clasificar imágenes o generar nuevos ejemplos del tipo en el que fue entrenado. 2.

Estos procesos se diferenciaron de los cálculos anteriores porque las redes pudieron aprender de ejemplos, incluidos datos no estructurados, lo que supone un desafío para el software tradicional basado en cálculos paso a paso.

Las redes son “modelos generosamente idealizados que son tan diferentes de las redes neuronales biológicas reales como las manzanas lo son de los planetas”, escribió Hinton. en 2000 en la naturaleza. Pero han demostrado ser útiles y se han desarrollado ampliamente. Las redes neuronales que imitan el aprendizaje humano forman la base de muchas herramientas avanzadas de inteligencia artificial, desde grandes modelos de lenguaje (LLM) hasta algoritmos de aprendizaje automático capaces de analizar grandes cantidades de datos, incluidos los Modelo de predicción de la estructura de proteínas AlphaFold.

En una conversación telefónica en la que hizo el anuncio, Hinton dijo que fue "un rayo caído del cielo" cuando se enteró de su Premio Nobel. "Estoy asombrado, no tenía idea de que esto iba a pasar", dijo. Añadió que los avances en el aprendizaje automático "tendrán un impacto enorme; será comparable a la Revolución Industrial. Pero en lugar de superar a los humanos en fuerza física, superarán a los humanos en capacidad intelectual".

1. Hopfield, J.J., Proc. Nacional. Acad. Ciencia. Estados Unidos 79, 2554 (1982).

   Artículo
   PubMed
   Google Académico

2. Fahlman, SE, Hinton, G.E. y Sejnowski, T.J. Actas de la conferencia AAAI-83, págs. 109-113 (1983).

   Google Académico

Descargar referencias