VOLVER

Share

Nobel de Física 2024 para dos científicos pioneros en redes neuronales artificiales

La Real Academia Sueca de las Ciencias ha premiado a los investigadores John Hopfield, de la Universidad de Princeton (Estados Unidos), y Geoffrey Hinton, de la Universidad de Toronto (Canadá), por sus descubrimientos e inventos que permiten el aprendizaje automático con las redes neuronales artificiales. Hallazgos fundamentales para el renacer de la inteligencia artificial y el desarrollo posterior de herramientas como ChatGPT.

Fuente: Agencia SINC


Internacional |
08 de octubre de 2024

Los dos Premios Nobel de Física de este año han utilizado herramientas de la física para desarrollar métodos que son la base del potente aprendizaje automático actual, una de las ramas de la inteligencia artificial (IA).

La Real Academia Sueca de las Ciencias ha dado a conocer este martes sus nombres: John Hopfield, que creó una memoria asociativa capaz de almacenar y reconstruir imágenes y otros tipos de patrones en los datos, y Geoffrey Hinton, quien inventó un método capaz de encontrar de forma autónoma propiedades en los datos y realizar así tareas como identificar elementos concretos en imágenes.

Se premia a ambos “por descubrimientos e invenciones fundacionales que permiten el aprendizaje automático con redes neuronales artificiales”, según el Comité Nobel de Física. Este campo está revolucionando la ciencia, la ingeniería y la vida cotidiana.

Las redes neuronales naturales han inspirado las artificiales. / Johan Jarnestad/The Royal Swedish Academy of Sciences.

Cuando hablamos de IA solemos referirnos al aprendizaje automático mediante redes neuronales artificiales. Esta tecnología se inspiró originalmente en la estructura y redes neuronales naturales del cerebro.

Las redes neuronales naturales tienen neuronas que envían señales a través del proceso de la sinapsis. Cuando aprendemos cosas, las conexiones entre algunas neuronas se hacen más fuertes, mientras que otras, más débiles.

En una red neuronal artificial, esas neuronas cerebrales están representadas por nodos, que son codificados con valores diferentes. Estos están conectados entre sí y también se influyen mutuamente a través de conexiones (como las sinapsis), que pueden reforzarse o debilitarse.

La red se entrena, por ejemplo, desarrollando conexiones más fuertes entre nodos que tienen valores altos simultáneamente. Los galardonados de este año han realizado importantes trabajos con este tipo de redes neuronales artificiales desde la década de 1980.

El aprendizaje automático ayuda a la clasificación y el análisis de ingentes cantidades de datos. / Johan Jarnestad/The Royal Swedish Academy of Sciences.

La red de Hopfield

John Hopfield, de la Universidad de Princeton (EE UU), inventó una red que utiliza un método para guardar y recrear patrones. Podemos imaginar los nodos como píxeles. La llamada red de Hopfield utiliza la física que describe las características de un material debido a su espín atómico, una propiedad que convierte a cada átomo en un pequeño imán.

La red en su conjunto se describe de forma equivalente a la energía en un sistema de espín dentro de la física, y se entrena encontrando valores para las conexiones entre los nodos de forma que las imágenes guardadas tengan una energía baja.

Cuando la red de Hopfield recibe una imagen incompleta o distorsionada, recorre metódicamente los nodos y actualiza sus valores para que la energía de la red disminuya. De este modo, la red trabaja paso a paso para encontrar la imagen guardada que más se parece a esa imperfecta.

Hinton usa la máquina de Boltzmann

Por su parte, el profesor Geoffrey Hinton de la Universidad de Toronto (Canadá), utilizó la red de Hopfield como base para una nueva red que utiliza un método diferente: la máquina de Boltzmann. Esta puede aprender a reconocer elementos característicos en un determinado tipo de datos. Hinton utilizó herramientas de la física estadística, la ciencia de los sistemas construidos a partir de muchos componentes similares.

La máquina se entrena alimentándola con ejemplos que tienen muchas probabilidades de aparecer cuando se pone en marcha. La máquina de Boltzmann puede utilizarse para clasificar imágenes o crear nuevos ejemplos del tipo de patrón sobre el que se ha entrenado. Hinton se ha basado en este trabajo, ayudando a iniciar el explosivo desarrollo actual del aprendizaje automático.

“El trabajo de los dos galardonados ya ha sido de lo más beneficioso. En física utilizamos redes neuronales artificiales en una amplia gama de áreas, como el desarrollo de nuevos materiales con propiedades específicas”, ha destacado Ellen Moons, presidenta del Comité Nobel de Física.

El estadounidense Hopfield nació en 1933 en Chicago, se doctoró en 1958 en la Universidad de Cornell (Nueva York) y ahora es profesor emérito en Princeton. Por su parte, Hinton nació en 1947 en Londres (Reino Unido), se doctoró en 1978 en la Universidad de Edimburgo y, tras trasladarse a Canadá, actualmente ejerce en la Universidad de Toronto.


Share

Últimas publicaciones

Diseñan láminas impresas en 3D para reducir hasta cuatro veces los daños de las fresas durante el transporte
Córdoba | 21 de noviembre de 2026

Un equipo de investigación de la Universidad de Córdoba ha desarrollado un recubrimiento plástico que amortigua las vibraciones y los impactos dentro del empaquetado. La solución disminuye los golpes que recibe el fruto tanto en ensayos de laboratorio como en recorridos reales en caminos rurales.

Sigue leyendo
Neuromarketing para analizar cómo los jóvenes procesan campañas de igualdad
Málaga | 20 de noviembre de 2026

¿Cómo reciben los menores y adolescentes los mensajes publicitarios que promueven la igualdad de género? ¿Es suficiente con despertar una emoción o es necesario que comprendan también la causa social que transmite la campaña? Estas son algunas de las cuestiones que aborda una investigación liderada por la UMA que utiliza el neuromarketing como herramienta de análisis.

Sigue leyendo
Acogen 300 salinetes para contribuir a la conservación de este pez endémico de Andalucía
Sevilla | 20 de noviembre de 2026

La Universidad Pablo de Olavide se ha incorporado al Programa de Conservación del Salinete y Fartet de la Junta de Andalucía, una iniciativa que busca frenar el declive de estas dos especies de peces amenazadas y recuperar sus poblaciones en el medio natural. En el marco de esta colaboración, la Consejería de Sostenibilidad y Medio Ambiente ha autorizado la cesión a la UPO de 300 ejemplares de salinete (Aphanius baeticus), un pequeño pez que solo vive en Andalucía y cuyas poblaciones se encuentran en franco retroceso.

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

Ir al contenido