El Premio Nobel de Física 2024 ha sido concedido a los científicos John Hopfield y Geoffrey Hinton “por descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales”.
Inspirándose en nociones de la física y la biología, Hopfield y Hinton desarrollaron sistemas informáticos capaces de memorizar y aprender de patrones en los datos. Aunque nunca colaboraron directamente, se basaron en el trabajo del otro para desarrollar las bases del actual auge del aprendizaje automático y la inteligencia artificial (IA).
¿Qué son las redes neuronales?
Las redes neuronales artificiales están detrás de gran parte de la tecnología de IA que utilizamos hoy en día.
De la misma manera que nuestro cerebro tiene células neuronales unidas por sinapsis, las redes neuronales artificiales tienen neuronas digitales conectadas en varias configuraciones. Cada neurona individual no hace gran cosa. La magia reside en el patrón y la fuerza de las conexiones entre ellas.
Las neuronas de una red neuronal artificial se “activan” mediante señales de entrada. Estas activaciones se transmiten en cascada de una neurona a otra de forma que pueden transformar y procesar la información de entrada. Como resultado, la red puede llevar a cabo tareas computacionales como la clasificación, la predicción y la toma de decisiones.
La mayor parte de la historia del aprendizaje automático ha ayudado a encontrar formas cada vez más sofisticadas de formar y actualizar estas conexiones entre neuronas artificiales.
Mientras que la idea de enlazar sistemas de nodos para almacenar y procesar información procede de la biología, las matemáticas utilizadas para formar y actualizar estos enlaces proceden de la física.
Redes que recuerdan
John Hopfield (nacido en 1933) es un físico teórico estadounidense que realizó importantes contribuciones a lo largo de su carrera en el campo de la física biológica. Sin embargo, el premio Nobel de Física le ha sido concedido por su trabajo en el desarrollo de las redes de Hopfield en 1982.
Las redes de Hopfield fueron uno de los primeros tipos de redes neuronales artificiales. Inspirados en principios de la neurobiología y la física molecular, estos sistemas demostraron por primera vez cómo un ordenador podía utilizar una “red” de nodos para recordar y recuperar información.
Las redes desarrolladas por Hopfield podían memorizar datos (como una colección de imágenes en blanco y negro). Estas imágenes podrían “recordarse” por asociación cuando se le pedía a la red una imagen similar.
Aunque de uso práctico limitado, las redes de Hopfield demostraron que este tipo de redes neuronales artificiales podían almacenar y recuperar datos de formas novedosas. Sentaron las bases para los trabajos posteriores de Hinton.
Máquinas que pueden aprender
Geoff Hinton (nacido en 1947), a veces considerado uno de los padrinos de la IA , es un informático británico-canadiense que ha realizado una serie de importantes contribuciones en este campo. En 2018, junto con Yoshua Bengio y Yann LeCun, fue galardonado con el Premio Turing (el más alto honor en ciencias de la computación) por sus esfuerzos para avanzar en el aprendizaje automático en general y, específicamente, en una rama del mismo llamada aprendizaje. profundo.
El Premio Nobel de Física, sin embargo, se le concede concretamente por su trabajo con Terrence Sejnowski y otros colegas en 1984, desarrollando máquinas de Boltzmann .
Se trata de una extensión de la red de Hopfield que demostró la idea del aprendizaje automático: un sistema que permite a un ordenador aprender no de un programador, sino de ejemplos de datos. Basándose en ideas de la dinámica energética de la física estadística, Hinton demostró cómo este primer modelo de ordenador generativo podía aprender a almacenar datos a lo largo del tiempo si se le mostraban ejemplos de cosas que recordar.
La máquina de Boltzmann, al igual que la red de Hopfield, no tuvo aplicaciones prácticas inmediatas. Sin embargo, una forma modificada (llamada máquina de Boltzmann restringida) resultó útil en algunos problemas aplicados.
Más importante fue el avance conceptual de que una red neuronal artificial podía aprender de los datos. Hinton siguió desarrollando esta idea. Más tarde publicó artículos influyentes sobre retropropagación (el proceso de aprendizaje utilizado en los modernos sistemas de aprendizaje automático) y redes neuronales convolucionales (el principal tipo de red neuronal utilizado hoy en día para los sistemas de IA que trabajan con datos de imagen y vídeo) .
¿Por qué este premio, ahora?
Las redes de Hopfield y las máquinas de Boltzmann parecen poca cosa si las comparamos con las proezas actuales de la IA. La red de Hopfield contenía sólo 30 neuronas (intentó hacer una con 100 nodos, pero era demasiado para los recursos informáticos de la época), mientras que sistemas modernos como ChatGPT pueden tener millones. Sin embargo, el Nobel subraya lo importante que fueron estas primeras contribuciones al campo.
Aunque el rápido progreso reciente de la IA –que la mayoría conocemos por sistemas de IA generativa como ChatGPT– podría parecer una reivindicación de los primeros defensores de las redes neuronales, Hinton al menos ha expresado su preocupación. En 2023, tras abandonar su puesto de una década en la división de IA de Google, dijo que estaba asustado por el ritmo de desarrollo y se unió a la creciente multitud de voces que piden una regulación más proactiva de la IA.
Tras recibir el premio Nobel, Hinton aseguró que la IA será “como la Revolución Industrial, pero en lugar de nuestras capacidades físicas, va a superar nuestras capacidades intelectuales”. También señaló que aún le preocupa que las consecuencias de su trabajo puedan ser “sistemas más inteligentes que nosotros que acaben tomando el control”.
Te puede interesar:
Nobel de Medicina para el descubrimiento de los microARN, las moléculas que controlan nuestros genes
¿Quién controla al que quiere controlar la IA?
En 2026, la pregunta no es si la IA es inteligente, sino quién controla al que controla la IA. Como público, nuestro...
abril 9, 2026
Radiación espacial: a qué se arriesgan los astronautas de Artemis II y las misiones del futuro
El 1 de abril de 2026, la misión Artemis II de la NASA emprendió el camino hacia la Luna. Un camino que los humanos...
abril 7, 2026
De los test vocacionales al análisis de datos: elegir estudios en la era de la IA
Luis Angel Tapia Aneas Profesor UVA, Universidad de Valladolid Elegir qué estudiar siempre ha sido una decisión complicada, pero...
abril 20, 2026
¿Por qué no puedo parar? Patrones de diseño adictivos y tecnología que ‘engancha’
En las últimas semanas, dos jurados en Estados Unidos han declarado a grandes empresas tecnológicas responsables de negligencia por el diseño...
abril 15, 2026
El sonido más poderoso del mundo: nuestro nombre
Fernando Díez Ruiz Associate professor, Universidad de Deusto En cualquier interacción humana, desde una conversación informal hasta una reunión...
abril 14, 2026
El alto precio ambiental del ‘fracking’ en México
La política energética de México en 2026, orientada a expandir la extracción de gas natural como componente central de...
abril 10, 2026