Este martes le tocó el turno al Premio Nobel de Física 2024, y el mismo fue entregado al estadounidense John J. Hopfield y el británico Geoffrey E. Hinton, por su trabajo en redes neuronales artificiales y que permiten a las máquinas aprender, lo que permitió crear grandes modelos de lenguajes actuales, como ChatGPT y otros chatbots que cambiaron el mundo.

Los premiados utilizaron herramientas de la física para desarrollar métodos que son la base del potente aprendizaje automático actual. Hopfield (Universidad de Princeton, en Estados Unidos) creó una memoria asociativa que puede almacenar y reconstruir imágenes y otros tipos de patrones en los datos. Por su parte, Hinton (Universidad de Toronto, en Canadá) inventó un método que puede encontrar propiedades de forma autónoma en los datos y, por lo tanto, realizar tareas como identificar elementos específicos en imágenes.

Las redes neuronales artificiales están originalmente inspiradas 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 altos al mismo tiempo. Los galardonados de este año han realizado importantes trabajos con redes neuronales artificiales desde la década de 1980 en adelante.

Hopfield inventó una red que utiliza un método para guardar y recrear patrones, y como explicaron desde la academia sueca, 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 una 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 de 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. La red trabaja así paso a paso para encontrar la imagen guardada que se parezca más a la imperfecta con la que se la alimentó.

 Los ganadores retratados por la ilustración local (Nobel Prize).

Hinton utilizó la red de Hopfield como base para una nueva red que utiliza un método diferente: la máquina de Boltzmann, y esta puede aprender a reconocer elementos característicos en un tipo determinado 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 es muy probable que surjan cuando se la ejecuta, y se puede utilizar para clasificar imágenes o crear nuevos ejemplos del tipo de patrón en el que se la entrenó. Hinton se basó en este trabajo, lo que ayudó a iniciar el explosivo desarrollo actual del aprendizaje automático.

Además del reconocimiento, los ganadores se llevan una suma que supera los 800.000 euros. El año pasado, la Real Academia Sueca de Ciencias galardonó a Anne L'Huillier, Pierre Agostini y Ferenc Krausz por haber creado, mediante experimentos, destellos de luz lo suficientemente cortos como para captar instantáneas de los movimientos extremadamente rápidos de los electrones.

Tal como explican en la página web de los premios, el Nobel de Física se concedió 117 veces a 224 expertos entre 1901 y 2023. John Bardeen es el único galardonado que recibió el Premio Nobel de Física dos veces, en 1956 y 1972.

En tanto, el lunes, el premio Nobel de Medicina 2024 fue otorgado a Victor Ambros y Gary Ruvkun por un descubrimiento fundamental sobre el funcionamiento de las células: los microARN, pequeñas moléculas de ARN que juegan un papel clave en la regulación de los genes.