Los pioneros de aprendizaje automático ganan el Premio Nobel de Física
Los pioneros de aprendizaje automático ganan el Premio Nobel de Física
Dos investigadores que
John Hopfield de la Universidad de Princeton en Nueva Jersey y Geoffrey Hinton de la Universidad de Toronto, Canadá, comparten el precio de 11 millones de coronas suecas ($ 1 millón), que fue anunciada el 8 de octubre por la Royal Suecia Academy of Sciences en Estocolmo. Ambas herramientas físicas utilizadas para desarrollar métodos que ENLACE ARTIS para aprender conceptos abstractos. Sus descubrimientos "forman los componentes básicos del aprendizaje mecánico que pueden ayudar a las personas a tomar decisiones más rápidas y confiables", dijo Ellen Moons, presidenta del Comité Nobel y físico de la Universidad de Karlstad, Suecia. "Las redes neuronales artificiales se utilizaron para promover la investigación en varios temas físicos, desde la física de partículas hasta las ciencias materiales y la astrofísica". En 1982, Hopfield, un biólogo teórico con antecedentes en física, desarrolló una red que describió las conexiones entre nodos como fuerzas físicas 1 . Al almacenar patrones como un estado de baja energía de la red, el sistema pudo restaurar la imagen cuando se enfrentó a un patrón similar. Se hizo conocido como una memoria asociativa porque se asemeja al cerebro que intenta recordar una palabra o concepto raramente usado. Hinton, un científico informático, luego usó principios de la física estadística que se utilizan para la descripción colectiva de los sistemas que consisten en demasiadas partes individuales para desarrollar aún más las "redes de hopfield". Al integrar las probabilidades en una versión en capas de la red, creó una herramienta que pudo reconocer y clasificar las imágenes o generar nuevos ejemplos del tipo en el que fue capacitado 2 . Estos procesos diferían de los cálculos anteriores, ya que las redes pudieron aprender de ejemplos, incluidos los datos no estructurados, que es un desafío para el software convencional basado en los cálculos de paso por paso. Las redes son "modelos generosamente idealizados que son tan diferentes de las redes neuronales biológicas reales como las manzanas de los planetas", escribió hinton en 2000 en la naturaleza . Pero han demostrado ser útiles y se desarrollaron ampliamente. Las redes neuronales que imitan el aprendizaje humano forman la base de muchas herramientas de IA altamente desarrolladas, desde modelos de voz grandes (LLM) hasta algoritmos de aprendizaje automático que pueden analizar grandes cantidades de datos, incluido Modelo de pronóstico de estructura de proteínas Alfafold . En una conversación telefónica en el anuncio, Hinton dijo que era "un destello de azul" cuando se enteró de su Premio Nobel. "Estoy asombrado, no tenía idea de que sucedería", dijo. Agregó que el progreso en el aprendizaje mecánico "tendrá una enorme influencia; será comparable a la revolución industrial. Pero en lugar de exceder a las personas en la fuerza física, excederá a las personas en la capacidad intelectual". Hopfield, J.J., Proc. Natl. Acad. Sci. Estados Unidos 79, 2554 (1982).