El Premio Nobel 2024 ha reconocido a los físicos John Hopfield (Universidad de Princeton en Estados Unidos) y Geoffrey Hinton (Universidad de Toronto, Canadá), por su uso de herramientas físicas para ayudar a sentar las bases de los potentes sistemas de aprendizaje automático actuales. Nos referimos a las redes neuronales artificiales, uno de los grandes avances tecnológicos que nos ha dejado el presente año.
¿Qué hay detrás del trabajo de estos dos genios de la física?
Desde la década de 1980, John Hopfield y Geoffrey Hinton han estado trabajando y sentando las bases del aprendizaje automático moderno utilizando principios de la física, un trabajo que ha rendido frutos este 2024 en donde por fin han ganado uno de los premios más importantes de la historia: El Nobel.
Hoy en día, la gran cantidad de datos disponibles para entrenar redes y el aumento masivo de la potencia informática han impulsado el aprendizaje automático y han llevado a la aparición de modelos de aprendizaje profundo que constan de múltiples capas de nodos y conexiones.
La aplicabilidad del aprendizaje automático a los análisis científicos lo ha convertido en una herramienta atractiva entre muchos campos de las ciencias biológicas, y se utiliza para predecir propiedades moleculares y materiales.
Ahora, los investigadores están ampliando las aplicaciones del aprendizaje automático, planteando cuestiones éticas sobre el uso de la inteligencia artificial y presentando posibilidades interesantes para el futuro de su uso.
Conociendo las redes neuronales artificiales
El aprendizaje automático ha estado en desarrollo durante décadas y solo ha despertado un interés generalizado en los últimos años. Sin embargo, esta inteligencia artificial ha sido de interés para los investigadores durante muchos años porque puede utilizarse para clasificar y analizar grandes cantidades de datos.
Cuando hablamos de aprendizaje automático e inteligencia artificial, normalmente nos referimos a las estructuras de redes neuronales artificiales que subyacen a estos sistemas computacionales. Estas redes se denominan redes neuronales artificiales porque imitan funciones cerebrales como la memoria y el aprendizaje.
El trabajo de Hopfield
La red Hopfield se basa en la idea de que los nodos tienen cierta energía y está entrenada para realizar conexiones entre nodos para generar patrones guardados con baja energía. De esta manera, cuando la red recibe un patrón incompleto, trabaja a través de cada nodo y actualiza sus valores para garantizar que la energía de la red disminuya, adoptando un enfoque paso a paso para identificar el patrón almacenado que más se parece al patrón incompleto o distorsionado. La red fue alimentada.
El trabajo de Hinton
Geoffrey Hinton utilizó el método Hopfield y la física estadística para desarrollar una nueva red llamada Máquina de Boltzmann, que puede aprender a reconocer de forma autónoma elementos específicos en un tipo de datos.
La física estadística se utiliza para analizar los estados en los que pueden coexistir componentes individuales, como por ejemplo las moléculas de gas. Dependiendo de la cantidad de energía disponible, algunos estados son más probables que otros, un concepto descrito por una ecuación del físico Ludwig Boltzmann.
Esta red se compone de dos tipos de nodos: nodos visibles y ocultos. Los nodos visibles reciben y emiten información, mientras que los nodos ocultos son esenciales para el funcionamiento de la red. La red se entrena en ejemplos que probablemente surjan cuando se ejecuta la máquina, y cada nodo recibe una regla para actualizar su valor, lo que facilita el cambio de patrón entre los nodos de la red sin cambiar las propiedades de la red.
A cada patrón se le asigna una probabilidad específica dependiendo de la energía de la configuración de la red según la ecuación de Boltzmann. Por tanto, esta red puede clasificar imágenes o crear ejemplos del tipo de patrón que se utilizó para entrenarla.
#Expresion-Sonora.com #Sonora
Tomado de https://warp.la/
Más historias
Grito de Independencia 2025: la ceremonia y la fiesta patria
Cae el presunto autor del asesinato de Charlie Kirk, figura ultraconservadora de EE.UU.
Licencia menstrual: un derecho con obstáculos