Nobel de física para los trabajos fundacionales sobre el aprendizaje profundo con redes neuronales artificiales
8 octubre, 2024
La Real Academia Sueca de Ciencias ha decidido otorgar el premio 2024 #NobelPrize en Física a John J. Hopfield y Geoffrey E. Hinton “por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales”.
El compañero periodista Antonio Martínez Ron ha estado rápido y ha publicado en el Diario.es la siguiente noticia
El trabajo más citado de John J. Hopfield:
El estudio explora las propiedades computacionales que pueden surgir de un gran número de neuronas simples interconectadas. Se centra en investigar cómo el comportamiento colectivo en tales redes neuronales puede dar lugar a capacidades computacionales útiles, de forma similar a cómo los fenómenos colectivos en los sistemas físicos pueden dar lugar a propiedades interesantes.
Artículo completo
El artículo más citado de Geoffrey E. Hinton:
El artículo analiza el uso de redes neuronales convolucionales (CNN) para la clasificación de imágenes, concretamente en el conjunto de datos ImageNet, que contiene más de 15 millones de imágenes etiquetadas de alta resolución. Los autores entrenaron una de las mayores CNN hasta la fecha en subconjuntos del conjunto de datos ImageNet utilizados en el ImageNet Large-Scale Visual Recognition Challenge (ILSVRC).
Artículo completo
Desde Science Media Center España nos han pedido una cita sencilla que ayude a los periodistas a entender esta noticia.
Nuestro director Francisco Herrera nos cuenta: «En la primera mitad de los años 80 hubo un renacer de la inteligencia artificial (IA), tras el llamado invierto de la AI de los años setenta, gracias a los importantes desarrollos en el ámbito de las redes neuronales artificial que lideraron Jonh Hopfiled y Geoffrey E. Hinton.
Hopfiled en 1982 conectó los aspectos biológicos del sistemas nervioso y con el ámbito computacional. En su trabajo titulado “Neural networks and physical systems with emergent collective computational abilities”(PNAS, 1982) destaca “Las propiedades computacionales útiles para los organismos biológicos o para la construcción de ordenadores pueden surgir como propiedades colectivas de sistemas que tienen un gran número de componentes simples equivalentes (o neuronas). El significado físico de la memoria de contenido direccionable se describe mediante un flujo de espacio de fases adecuado del estado de un sistema.” Con su propuesta define las llamadas redes de Las redes de Hopfield, son un tipo de red neuronal artificial recurrente, que se utilizan como sistemas de memoria asociativa con unidades binarias, que convergen en su proceso de aprendizaje, y que tienen aplicaciones en diferentes campos como procesamiento de imágenes, procesamiento de voz, entre otros.
Geoffrey E. Hinton fue el padre del modelo de entrenamiento y aprendizaje de modelos reunonales de múltiples capas (el modelo de una capa era el llamado perceptrón de los años sententa), llamado backpropagation. Es un método de aprendizaje supervisado que ajusta los pesos de las conexiones en una red neuronal para minimizar el error entre la salida real y la salida deseada. El backpropagation ha sido crucial para el desarrollo del aprendizaje profundo, porque permite entrenar redes neuronales profundas de manera eficiente, ajustando los pesos de manera sistemática para minimizar el error, ayuda a las redes neuronales a aprender representaciones internas de los datos, lo que mejora su capacidad para generalizar a nuevos datos, y abrió la puerta los desarrollos de en deep learning, procesamiento de imagen, voz, texto … Es la base de lo que hoy es la eclosión de la IA generativa.
Estos resultados de la primera mitad de los años 80 pusieron las primeras piedras del desarrollo de los siguientes 40 años que han dado lugar a la eclosión actual de la inteligencia artificial y el aprendizaje profundo, que tiene la base en estos resultados que buscaban emular el funcionamiento del sistema reuronal humano.»
Por su parte nuestra compañera Rocío Romero nos apunta que: «Debe de haber sido muy dificil elegir a que investigadores o investigadoras se le otorgaba el premio nobel de física de este año por los descubrimientos fundacionales e invenciones que permiten el aprendizaje automático con redes neuronales artificiales. La investigación en el área comenzó allá por los años 50 y tras pasar por varios período de mayor y menor desarrollo científico llega a nuestra actualidad con fuerzas renovadas. Tanto John Hopfield como Geoffrey Hinton destacan por diseñar distintos tipos de redes neuronales artificiales que han dado pie a la creación de las herramientas actuales de inteligencia artificial que permiten tanto detectar cánceres en etapas tempranas como generar texto artificial realista. Es, a su vez, sorprendente esta noticia dado que no existe un premio nobel para informática, poniendo en envidencia que en el trabajo multidisciplinar es claramente el futuro de una investigación puntera.»