El premio Nobel de F\u00edsica 2024 ha sido otorgado a John Hopfield y Geoffrey Hinton por su trabajo en redes neuronales artificiales y los algoritmos fundamentales que permiten que las m\u00e1quinas aprendan, que son clave para los grandes modelos de lenguaje actuales como ChatGPT.<\/p>\n\n\n\n
“Estoy estupefacto, no ten\u00eda idea de que esto suceder\u00eda”, dijo Hinton al comit\u00e9 Nobel al escuchar el anuncio del premio. “Estoy muy sorprendido”. Hinton, quien ha expresado abiertamente sus temores en torno al desarrollo de la inteligencia artificial, tambi\u00e9n reiter\u00f3 que lamentaba el trabajo que hab\u00eda realizado. “En las mismas circunstancias, volver\u00eda a hacer lo mismo, pero me preocupa que las consecuencias generales de esto puedan ser sistemas m\u00e1s inteligentes que nosotros que eventualmente tomen el control”, dijo.<\/p>\n\n\n\n
Si bien la IA puede no parecer un candidato obvio para el Nobel de F\u00edsica, el descubrimiento de redes neuronales que pueden aprender y sus aplicaciones son dos \u00e1reas que est\u00e1n \u00edntimamente conectadas con la f\u00edsica, dijo Ellen Moons, presidenta del Comit\u00e9 Nobel de F\u00edsica, durante el anuncio. \u201cEstas redes neuronales artificiales se han utilizado para hacer avanzar la investigaci\u00f3n en temas de f\u00edsica tan diversos como la f\u00edsica de part\u00edculas, la ciencia de los materiales y la astrof\u00edsica\u201d.<\/p>\n\n\n\n
Muchos de los primeros enfoques de la inteligencia artificial implicaban dar a los programas inform\u00e1ticos reglas l\u00f3gicas que deb\u00edan seguir para ayudar a resolver problemas, pero esto dificultaba que aprendieran sobre nueva informaci\u00f3n o se encontraran con situaciones que no hab\u00edan visto antes. En 1982, Hopfield, en la Universidad de Princeton, cre\u00f3 una arquitectura para un ordenador llamada red Hopfield, que es una colecci\u00f3n de nodos, o neuronas artificiales, que pueden cambiar la fuerza de sus conexiones con un algoritmo de aprendizaje que Hopfield invent\u00f3.<\/p>\n\n\n\n
Ese algoritmo se inspir\u00f3 en el trabajo de la f\u00edsica que encuentra la energ\u00eda de un sistema magn\u00e9tico describi\u00e9ndolo como colecciones de peque\u00f1os imanes. La t\u00e9cnica implica cambiar iterativamente la fuerza de las conexiones entre los imanes en un intento de encontrar un valor m\u00ednimo para la energ\u00eda del sistema.<\/p>\n\n\n\n
En el mismo a\u00f1o, Hinton, en la Universidad de Toronto, comenz\u00f3 a desarrollar la idea de Hopfield para ayudar a crear una estructura de aprendizaje autom\u00e1tico estrechamente relacionada llamada m\u00e1quina de Boltzmann. \u201cRecuerdo haber asistido a una reuni\u00f3n en Rochester donde habl\u00f3 John Hopfield y aprend\u00ed por primera vez sobre redes neuronales. Despu\u00e9s de eso, Terry [Sejnowski] y yo trabajamos febrilmente para descubrir c\u00f3mo generalizar las redes neuronales\u201d, dijo.<\/p>\n\n\n\n
Hinton y sus colegas demostraron que, a diferencia de las arquitecturas de aprendizaje autom\u00e1tico anteriores, las m\u00e1quinas de Boltzmann pod\u00edan aprender y extraer patrones de grandes conjuntos de datos. Este principio, cuando se combina con grandes cantidades de datos y potencia de c\u00e1lculo, ha llevado al \u00e9xito de muchos sistemas de inteligencia artificial actuales, como las herramientas de reconocimiento de im\u00e1genes y traducci\u00f3n de idiomas.<\/p>\n\n\n\n
Sin embargo, aunque la m\u00e1quina de Boltzmann demostr\u00f3 ser capaz, tambi\u00e9n era ineficiente y lenta, y no se utiliza en los sistemas modernos de hoy. En su lugar, se utilizan arquitecturas de aprendizaje autom\u00e1tico m\u00e1s r\u00e1pidas y modernas, como los modelos de transformadores, que impulsan grandes modelos de lenguaje como ChatGPT.<\/p>\n\n\n\n
En la conferencia de los premios Nobel, Hinton se mostr\u00f3 optimista sobre el impacto que tendr\u00edan sus descubrimientos y los de Hopfield. \u201cSer\u00e1 comparable con la revoluci\u00f3n industrial, pero en lugar de superar a las personas en fuerza f\u00edsica, superar\u00e1 a las personas en capacidad intelectual\u201d, dijo. \u201cNo tenemos experiencia de lo que es tener cosas m\u00e1s inteligentes que nosotros. Va a ser maravilloso en muchos aspectos\u2026 pero tambi\u00e9n tenemos que preocuparnos por una serie de consecuencias negativas, en particular la amenaza de que estas cosas se salgan de control\u201d.<\/p>\n\n\n\n