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

El stand de la Fundación Descubre acogerá cuatro proyectos de Ciencia Ciudadana en la 23ª Feria de la Ciencia de Sevilla
Sevilla | 16 de abril de 2025

Los investigadores responsables realizarán actividades previas a la I Jornada de Ciencia Ciudadana que se celebrará el próximo 28 de abril en el Pabellón de la Unión Europea de La Cartuja. Estas iniciativas forman parte del proyecto ‘Andalucía + ciencia ciudadana’, impulsado por la Consejería de Universidad, Investigación e Innovación y coordinado por Fundación Descubre y la Universidad Pablo de Olavide, que pretende potenciar la utilización de esta metodología entre distintos agentes de la región.

Sigue leyendo
Generan hidrógeno verde a partir de residuos de vino y lodos de depuradora tratados con ozono
Cádiz | 15 de abril de 2025

Un equipo de investigación de la Universidad de Cádiz ha demostrado cómo el tratamiento con este gas mejora notablemente la producción de biohidrógeno y otros compuestos con valor industrial. La innovación tecnológica de este estudio facilita el aprovechamiento energético de residuos orgánicos de proximidad, contribuyendo a la economía circular y reduciendo los costes ambientales asociados a su gestión.

Sigue leyendo
La UMA desarrolla un tratamiento para mejorar la limpieza y la seguridad urbana en Semana Santa
Málaga | 14 de abril de 2025

La universidad malagueña colabora con la ciudad en una solución que aporta seguridad creando una película antideslizante protectora que no modifica el aspecto natural de la roca. En total, está previsto emplear 5.000 litros del nuevo líquido anticera y 2.500 litros del protector antideslizante, cuya efectividad ha sido verificada en condiciones reales.

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

404 Not Found

404 Not Found


nginx/1.18.0
Ir al contenido