Gabriel Mindlin y Francisco Tamarit reflexionan sobre la importancia de sus contribuciones científicas.

La Real Academia Sueca de Ciencias otorgó el Premio Nobel de Física 2024 a John J. Hopfield y Geoffrey E. Hinton, considerados los «padrinos» de la inteligencia artificial, por sus «descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales». Hopfield creó una red neuronal artificial para almacenar y recuperar memoria por asociación, lo que permite, por ejemplo, almacenar y reconstruir imágenes y otros tipos de patrones en los datos e información. Por su parte, Hinton inventó un algoritmo de «retropropagación del error», que permite que las redes neuronales artificiales «aprendan» a partir de experiencias, de manera muy similar a como lo hacen los seres humanos y los animales. Estas contribuciones fueron clave para diseñar las grandes redes neuronales artificiales que se utilizan actualmente.

«Me parece excelente que los hayan premiado», afirma Gabriel Mindlin, científico del CONICET en el Instituto de Física de Buenos Aires (IFIBA, CONICET-UBA), quien incorporó las herramientas de trabajo diseñadas por los Premios Nobel para estudiar a las aves a través de sus vocalizaciones, con el fin de monitorear poblaciones amenazadas. «Tanto en sus aspectos beneficiosos como en los más amenazantes, la teoría de redes está produciendo un cambio en la humanidad de proporciones colosales, y fueron las contribuciones de estos dos científicos las que crearon los pilares de esta nueva revolución conceptual que estamos viviendo», advierte.

Tal como explica Mindlin, la ciencia tradicional siempre se basó en dilucidar los mecanismos de cómo funcionan las cosas. Hopfield diseñó un dispositivo conceptual —las «redes neuronales»— capaces de expresar comportamientos emergentes interesantes, y Hinton logró entrenar esas redes a partir de ejemplos para resolver problemas complejos, abriendo un nuevo enfoque para hacer ciencia. «Con sus luces y sombras, lo que hicieron fue un cambio conceptual respecto de cómo pretendíamos operar sobre el mundo desde la filosofía griega hasta hoy», asegura Mindlin.

Para Francisco Tamarit, investigador del Instituto de Física Enrique Gaviola (IFEG), el premio es «un acto de justicia, porque Hopfield fue quien dio el puntapié inicial para el auge de las redes neuronales que estamos viviendo hoy, y quien tuvo la primera idea de esta revolución». Tamarit conoció personalmente a Hopfield. «Fue en la Universidad de San Pablo, en San Carlos, donde tomé un curso con él hace muchos años, y pude comprobar que es una persona muy generosa».

Tamarit, apenas se recibió de físico en 1987, comenzó a trabajar con el modelo de redes neuronales publicado por Hopfield en 1982. «Siempre digo en mis conferencias y cursos que, sin dudas, todo lo que tenemos hoy en inteligencia artificial se lo debemos a él, porque nos sacó del llamado ‘invierno’ de la inteligencia artificial, cuando las investigaciones en la materia estaban estancadas», comenta el científico.

«Hopfield trabajaba en el modelado de vidrios y se dio cuenta, en 1982, de que estos materiales tan baratos y comunes podían llevarlo a modelar un cerebro humano para almacenar memoria, de manera similar a como lo hacen los animales. Su trabajo quedó relegado hasta que otros científicos, italianos e israelíes, lo retomaron en 1985. No descubrió algo, lo inventó. Y sus ideas, al igual que las de Hinton, son las que ahora usamos en todas las redes neuronales artificiales que dan lugar a la inteligencia artificial más sofisticada, como la que vemos, por ejemplo, en ChatGPT», agrega Tamarit.

Los laureados

Según el comunicado de la Academia Sueca, «cuando hablamos de inteligencia artificial, a menudo nos referimos 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 diferentes valores. Estos nodos se influyen entre sí a través de conexiones que pueden compararse con sinapsis, y que pueden fortalecerse 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 los años 80 en adelante».

Hopfield inventó una red que utiliza un método para guardar y recrear patrones. «Podemos imaginar los nodos como píxeles. La red Hopfield utiliza la física que describe las características de un material debido a su giro atómico, una propiedad que convierte a cada átomo en un imán diminuto. La red, en su conjunto, se describe de manera 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 modo que las imágenes guardadas tengan baja energía. Cuando la red Hopfield recibe una imagen distorsionada o incompleta, trabaja metódicamente a través de los nodos y actualiza sus valores para que la energía de la red disminuya. Así, la red trabaja paso a paso para encontrar la imagen guardada que más se asemeje a la imperfecta con la que fue alimentada», explicaron desde la organización de los Premios Nobel.

Geoffrey Hinton, por su parte, utilizó la red Hopfield como base para desarrollar una nueva red, la máquina de Boltzmann. «Esta máquina puede aprender a reconocer elementos característicos en un determinado tipo de datos. Hinton utilizó herramientas de la física estadística, la ciencia que estudia los sistemas construidos a partir de muchos componentes similares. La máquina se entrena proporcionándole ejemplos que es muy probable que surjan cuando la máquina está en funcionamiento. La máquina de Boltzmann se puede utilizar para clasificar imágenes o crear nuevos ejemplos del tipo de patrón en el que fue entrenada. Hinton se basó en este trabajo y contribuyó al explosivo desarrollo actual del aprendizaje automático».

Autora: Cintia Kemelmajer