Este año, el Nobel de Física fue para el estadounidense John J. Hopfield y al británico Geoffrey E. Hinton por el desarrollo de métodos que son la base del aprendizaje automático, una herramienta clave en el desarrollo de la Inteligencia Artificial (IA).

Hinton y Hopfield realizaron “descubrimientos fundamentales e invenciones que permiten el aprendizaje automático con redes neuronales artificiales”, señaló la Real Academia de Ciencias sueca.

John Hopfield creó una memoria asociativa que puede almacenar y reconstruir imágenes y otros tipos de patrones en datos; Hinton inventó un método que puede encontrar de forma autónoma propiedades en los datos y realizar tareas como identificar elementos específicos en imágenes.

“En Física, usamos las redes neuronales artificiales en un amplio número de áreas, como el desarrollo de materiales nuevos con propiedades específicas”, señaló el Comité Nobel, que destacó también que la IA está revolucionando la ciencia y la vida diaria, pero existen riesgos que hacen necesario su uso de forma “segura y ética”.

La Real Academia menciona también las hipótesis de Donald Hebb sobre cómo el aprendizaje ocurre debido a que las conexiones entre neuronas se refuerzan cuando trabajan juntas.

El interés en las redes neuronales artificiales decayó durante un tiempo, pero se reavivó años más tarde con varios trabajos.

Te puede interesar: Victor Ambros y Gary Ruvkun ganan Premio Nobel de Medicina

Hopfield comenzó a ejercer en 1980 en el Caltech (California Institute of Technology), donde tenía acceso a recursos informáticos que podía usar para desarrollar sus ideas sobre redes neuronales.

Así pudo crear un modelo con nodos y conexiones, conocido como red de Hopfield, un modelo que fue desarrollado posteriormente por el propio investigador y otros científicos para incluir nodos que pueden almacenar cualquier valor, posibilitando que se puedan guardar más imágenes y diferenciarlas incluso cuando son bastante similares.

Hinton usó la red de Hopfield como base para una nueva red que utiliza un método diferente, conocido como la máquina de Boltzmann, que puede aprender a reconocer elementos característicos en un tipo de datos y utiliza herramientas de la física estadística.

La máquina es entrenada alimentándola con ejemplos con alta probabilidad de surgir cuando aquella esté en funcionamiento y puede clasificar imágenes o crear nuevos ejemplos del tipo de patrón que se usó para ejercitarla.

Hinton continuó desarrollando la máquina en años posteriores, eliminando las conexiones entre algunas unidades para hacerla más eficiente, precediendo “la explosión actual del aprendizaje automático”, señala la Academia.

La máquina de Boltzmann se usa a menudo como parte de una red mayor y una de sus aplicaciones prácticas es su utilización para recomendar películas o series de televisión basándose en las preferencias de los televidentes.