Entrenaron redes neuronales artificiales con física

La Real Academia Sueca de Ciencias ha decidido otorgar el Premio Nobel de Física 2024 a John J. Hopfield, de la Universidad de Princeton, Nueva Jersey, EE. UU., y a Geoffrey E. Hinton , de la Universidad de Toronto, Canadá.

«por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales»

Los dos premios Nobel de física de este año han utilizado las herramientas de la física para construir métodos que forman la base del poderoso aprendizaje automático actual. John Hopfield creó una memoria asociativa que puede almacenar y recrear imágenes y otros tipos de patrones en los datos. Geoffrey Hinton inventó un método que puede encontrar de forma independiente características en los datos y así, entre otras cosas, reconocer características en las imágenes.

Cuando hoy en día se habla de inteligencia artificial, normalmente se refiere al aprendizaje automático con redes neuronales artificiales. La tecnología se inspiró desde el principio en la estructura del cerebro. En una red neuronal artificial, las neuronas del cerebro corresponden a nodos que asumen valores diferentes. Los nodos se influyen entre sí a través de conexiones que se pueden comparar a las sinapsis y que se fortalecen o debilitan. La red se entrena , por ejemplo fortaleciendo las conexiones entre nodos que tienen valores grandes al mismo tiempo. El galardonado de este año ha realizado importantes trabajos con redes neuronales artificiales desde los años 80 en adelante.

John Hopfield inventó una red que aplica un método para guardar y reproducir patrones. Podemos pensar en los nodos como píxeles. La red Hopfield utiliza la física que describe las propiedades que ciertos tipos de materiales adquieren a partir del espín de los átomos, una propiedad que convierte a cada átomo en un pequeño imán. La red en su conjunto se caracteriza por una propiedad que funciona igual que la energía en el sistema de espín de la física. La red se entrena ajustando los valores de las conexiones entre los nodos para que las imágenes guardadas reciban poca energía. Luego, cuando la red Hopfield recibe una imagen distorsionada o incompleta, aplica un método de recorrer los nodos y actualizar sus valores para que la red obtenga cada vez menos energía. De esta forma, la red avanza hasta la imagen guardada que sea más similar a la entrada.

Geoffrey Hinton partió de la red Hopfield y creó una nueva red que utiliza un método diferente: la máquina de Boltzmann . Puede aprender a distinguir rasgos característicos en varios ejemplos de un determinado tipo de datos. Geoffrey Hinton utilizó herramientas de la física estadística, la ciencia de los sistemas formados por muchas partes similares. La máquina está entrenada de tal manera que los ejemplos con los que se alimenta tienen una alta probabilidad de ocurrir cuando la máquina se ejecuta. La máquina Boltzmann se puede utilizar para clasificar imágenes o para crear nuevos ejemplos del tipo de patrón en el que fue entrenada. Geoffrey Hinton se basó en este trabajo y ayudó a impulsar el explosivo desarrollo actual del aprendizaje automático.

– El trabajo de los premiados ya ha sido de gran utilidad. En física utilizamos redes neuronales artificiales en muchas áreas diferentes, por ejemplo para producir nuevos materiales con las propiedades deseadas, dice Ellen Moons, presidenta del Comité Nobel de Física.