Premio Nobel de Física por sus descubrimientos e invenciones fundamentales en el aprendizaje automático
John J. Hopfield y Geoffrey E. Hinton entrenaron redes neuronales artificiales utilizando la física
La Real Academia Sueca de las Ciencias ha decidido conceder el premio Nobel de Física 2024 a John J. Hopfield (Universidad de Princeton, NJ, EE.UU.) y Geoffrey E. Hinton (Universidad de Toronto, Canadá) "por descubrimientos e invenciones fundacionales que permiten el aprendizaje automático con redes neuronales artificiales"
©Johan Jarnestad/The Royal Swedish Academy of Sciences
Entrenaron redes neuronales artificiales utilizando la física
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. John Hopfield creó una memoria asociativa capaz de almacenar y reconstruir imágenes y otros tipos de patrones en los datos. Geoffrey Hinton inventó un método capaz de encontrar de forma autónoma propiedades en los datos y realizar así tareas como identificar elementos concretos en imágenes.
Cuando hablamos de inteligencia artificial, solemos referirnos al aprendizaje automático mediante redes neuronales artificiales. Esta tecnología se inspiró originalmente en la estructura del cerebro. En una red neuronal artificial, las neuronas del cerebro están representadas por nodos que tienen valores diferentes. Estos nodos se influyen mutuamente a través de conexiones que pueden compararse a sinapsis y que pueden reforzarse o debilitarse. La red se entrena, por ejemplo, desarrollando conexiones más fuertes entre nodos con valores simultáneamente altos. Los galardonados de este año han realizado importantes trabajos con redes neuronales artificiales desde la década de 1980.
John Hopfield inventó una red que utiliza un método para guardar y recrear patrones. Podemos imaginar los nodos como píxeles. La 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 el sistema de espín que se encuentra en 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 distorsionada o incompleta, 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 la imagen imperfecta con la que fue alimentada.
Geoffrey Hinton utilizó la red de Hopfield como base para una nueva red que utiliza un método diferente: la máquina de Boltzmann. Ésta 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 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", afirma Ellen Moons, Presidenta del Comité Nobel de Física.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
