El Premio Nobel de Física 2024 se lo llevaron los investigadores John J. Hopfield, de la Universidad de Princeton, en Nueva Jersey, Estados Unidos, y Geoffrey E. Hinton, de la Universidad de Toronto, en Canadá, esto gracias a sus descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales.

También lee:  ¿Quiénes ganaron los Premios Nobel 2023?

¿Qué son las redes neuronales artificiales?

Las redes neuronales artificiales, un subdominio de la inteligencia artificial, fueron fundadas por los investigadores. 

De acuerdo con la Real Academia Sueca de Ciencias, órgano que concede el Premio Nobel, la AI está inspirada en la estructura del cerebro, por lo que una red neuronal artificial está compuesta por neuronas o nodos interconectados unos con otros, representados con diferentes valores.

Cada vez que haya un intercambio de información entre los nodos, habrá una sinapsis tal y como sucede en el cerebro, y entonces la red neuronal se fortalecerá o debilitará o maximizará el aprendizaje de dicha red. Según explica la página oficial del Premio Nobel (PN), “una red neuronal artificial procesa información utilizando toda la estructura de la red”, se lee en un artículo del Instituto de Física de la UNAM. 

Un aprendizaje más especializado

La Real Academia Sueca informó que John J. Hopfield ha desarrollado la “red Hopfield”, una metodología que le permite a la red neuronal aprender información escondida o codificada en los datos como si se tratara de imágenes que puede memorizar, una investigación que se ha realizado desde 1980. 

El Instituto de Física detalló que “tal y como sucede en el cerebro, el aprendizaje viene después de haber vivido varias experiencias, que en este caso son los datos introducidos en el sistema que se quiere entrenar. Así como una persona que ha aprendido a caminar con cuidado en un piso resbaloso a partir de una caída previa, por ejemplo, el sistema físico puede aprender y memorizar información para luego utilizarla a su favor al reconocer datos específicos”

“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”, explica la Real Academia Sueca de Ciencias.

La propuesta de Hopfield utiliza la física estadística y los nodos como si fueran píxeles de una fotografía, de modo que es capaz de encontrar los estados de energía de los datos, y si el estado es bajo o la imagen está incompleta, la red puede reconstruirla a partir del ajuste de los nodos, actualizando el valor de cada uno de ellos.

Con información de Instituto de Fisíca UNAM