John Hopfield y Geoffrey Hinton son pioneros en redes neuronales e inteligencia artificial. Hopfield desarrolló las Redes de Hopfield, introduciendo modelos basados en energía que simulan la memoria asociativa, conectando el cálculo neuronal con la física. Hinton es un pionero del aprendizaje profundo, contribuyendo al desarrollo de la retropropagación, las Máquinas de Boltzmann Restringidas (RBMs) y las Redes de Creencias Profundas (DBNs), habilitando redes neuronales multicapa y aplicaciones modernas de IA. En 2018, recibió el Premio Turing. 

El descubrimiento de las redes neuronales artificiales marcó un antes y un después en la inteligencia artificial, proporcionando el fundamento que revolucionó la capacidad de las máquinas para convertir los datos en conocimiento. Estos fundamentos permitieron también en los últimos años escalar el tamaño de los algoritmos en el denominado campo del Deep Learning y trabajar con múltiples datos de forma simultánea con los últimos trabajos basados en multimodalidad.  

Este Premio Nobel representa un reconocimiento excepcional a la investigación fundamental en aprendizaje automático (machine learning, en inglés) y, específicamente, a las técnicas de redes neuronales (neural networks) y aprendizaje profundo (deep learning), que constituyen la base de sistemas de inteligencia artificial como ChatGPT. Considero que este premio va más allá del mérito de los individuos galardonados, reconociendo a toda una comunidad científica que comenzó su labor hace más de medio siglo. 

El trabajo de Hinton en la conocida como Retropropagación y su aplicación a las redes neuronales fue fundamental para que se pudiese dar “profundidad” al aprendizaje profundo. 

En estadística lo que hacemos es aprender de los datos para estimar parámetros que nos dicen como se relacionan las variables. Esto se hace tratando de minimizar el error que se comete en las predicciones. Pero cuando se añaden capas de profundidad a una red neuronal (que es lo que permite hacer cosas tan impresionantes como entender el lenguaje o crear una imagen) la relación entre el error cometido en la predicción y los datos de entrada se pierde. Para evitar ese problema, el mecanismo impulsado por Hinton hace que el error se reparta hacia atrás desde la capa en la que se predice el resultado hacia la capa de entrada de los datos, permitiendo establecer el mejor valor para los parámetros en todas las capas. 

En definitiva, sin el trabajo de Hinton no tendríamos chatGPT ni videos generados por IA ni nada de lo que hoy nos sorprende.

En mi opinión, el trabajo de J.J. Hopfield y G.E. Hinton es extraordinario, pero no me parece una buena decisión del Comité Nobel de Física. Para empezar, quienes primero propusieron redes neuronales fueron Warren McCulloch y Walter Pitts. Para continuar, este trabajo tiene una relación solo lateral con la Física, a pesar de que el Comité argumenta que tiene que ver con el spin atómico. Esto no es cierto: como mucho puede ser una “inspiración” para considerar que la unión de varias unidades de proceso (neuronas artificiales) pueden contener y almacenar información distribuida. Mi impresión es que la decisión del comité tiene más que ver con que la IA es un ámbito importante y ‘de moda’, y no tanto en la contribución a la Física de los galardonados. 

Para mí, este premio Nobel a John J. Hopfield y Geoffrey E. Hinton es un reconocimiento a dos figuras clave en el desarrollo de la inteligencia artificial (IA) moderna, ya que son pioneros y precursores de las redes neuronales artificiales, que constituyen la base del aprendizaje automático actual, como el deep learning o los transformers. Estas tecnologías han permitido el desarrollo de modelos de lenguaje como ChatGPT o Gemini, que están revolucionando la forma en que interactuamos con la tecnología. Sus descubrimientos han transformado todas las áreas de la IA, desde el procesamiento de imágenes y la ciencia de datos, hasta el procesamiento del lenguaje natural, con avances que ya impactan en nuestra vida cotidiana. Un claro ejemplo de su impacto son los asistentes virtuales como Siri o Alexa, y los traductores automáticos, que millones de personas usan a diario. Por otro lado, en áreas más especializadas, encontramos aplicaciones como la medicina personalizada o los sistemas avanzados para la detección y mitigación de discursos de odio, que también están haciendo uso de las tecnologías en las que Hopfield y Hinton fueron pioneros. Este galardón subraya la importancia de seguir investigando en estos sistemas para enfrentar los desafíos tecnológicos y científicos del futuro, siempre con la mirada puesta en el bien común y en construir una sociedad mejor.

Las redes neuronales, desde sus inicios, años 50 aproximadamente, han estado ligadas a la disciplina de Inteligencia Artificial (IA). Como la IA, ha vivido periodos de euforia y otros de estancamiento, por ejemplo, hizo falta disponer del algoritmo de retropropagación para permitir que aprendieran. La idea es tan sencilla como funcional: intentar replicar una neurona humana de manera matemática. Uno de los grandes avances, en los 2000 fue el aprendizaje profundo, donde Hinton, junto a otros investigadores, iniciaron una revolución que, a día de hoy, nos sigue impactando.  

Hinton es uno de los fundadores del aprendizaje profundo (más conocido por su término inglés, Deep Learning). Comenzó a aplicarse con gran éxito en la clasificación automática de imágenes, posteriormente empezó a aplicarse sobre problemas secuenciales (audio, vídeo, etc.) y ha sido una continua evolución para dar el salto a la generación de contenido, siendo especialmente conocidas las GAN. Los modelos de lenguaje extensos (LLMs en inglés) junto con los ‘transformers’ nos llevaron a construir modelos tipo GPT, que todos conocemos. 

Actualmente la IA generativa y su potencial están en boca de todos. El avance en los componentes hardware, la gran cantidad de datos y algoritmos diseñados y optimizados específicamente han favorecido esta nueva tecnología. Creo que es un reconocimiento sobradamente merecido, ya que todas estas técnicas se sustentan en las redes neuronales. Personalmente, me ha sorprendido la noticia. Las dos personas premiadas han sido piedras angulares en el desarrollo de las redes neuronales y en su aprendizaje a partir de datos (machine learning). Lo percibo como un premio a todos los que, de una forma u otra, han contribuido a avanzar en la IA y en su uso en positivo para nuestra sociedad. 

Sin duda ha sido una sorpresa que el Premio Nobel de Física de este año haya sido para dos pioneros de la inteligencia artificial (IA). Sin embargo, si se tiene en cuenta el gran impacto que tiene la IA actualmente en nuestras vidas y en muchos campos de la ciencia, ya no lo es tanto. Este impacto solo puede aumentar y seguramente llevará a más de un descubrimiento que recibirá un Premio Nobel en el futuro. Parece una sabia decisión del comité y solo cabe felicitarles a ellos y a los premiados. 

En la primera mitad de los años 80 hubo un renacer de la inteligencia artificial (IA), tras el llamado ‘invierto de la AI’ de los años setenta, gracias a los importantes desarrollos en el ámbito de las redes neuronales artificial que lideraron Jonh Hopfiled  y Geoffrey E. Hinton.  

Hopfiled  en 1982 conectó los aspectos biológicos del sistema nervioso y con el ámbito computacional. En su trabajo titulado Neural networks and physical systems with emergent collective computational abilities (PNAS, 1982) destaca: 'Las propiedades computacionales útiles para los organismos biológicos o para la construcción de ordenadores pueden surgir como propiedades colectivas de sistemas —que tienen un gran número de componentes simples componentes simples equivalentes (o neuronas). El significado físico de la memoria de contenido direccionable se describe mediante un flujo de espacio de fases adecuado del estado de un sistema’. Con su propuesta define las llamadas ‘redes de Hopfield’, que son un tipo de red neuronal artificial recurrente, que se utilizan como sistemas de memoria asociativa con unidades binarias, que convergen en su proceso de aprendizaje, y que tienen aplicaciones en diferentes campos como procesamiento de imágenes, procesamiento de voz, entre otros.  

Geoffrey E. Hinton fue el padre del modelo de entrenamiento y aprendizaje de modelos neuronales de múltiples capas (el modelo de una capa era el llamado perceptrón de los años 70) llamado backpropagation. Es un método de aprendizaje supervisado que ajusta los pesos de las conexiones en una red neuronal para minimizar el error entre la salida real y la salida deseada. El backpropagation ha sido crucial para el desarrollo del aprendizaje profundo, porque permite entrenar redes neuronales profundas de manera eficiente, ajustando los pesos de manera sistemática para minimizar el error, ayuda a las redes neuronales a aprender representaciones internas de los datos, lo que mejora su capacidad para generalizar a nuevos datos, y abrió la puerta a los desarrollos de deep learning, procesamiento de imagen, voz, texto… Es la base de lo que hoy es la eclosión de la IA generativa. 

Estos resultados de la primera mitad de los años 80 pusieron las primeras piedras del desarrollo de los siguientes 40 años que han dado lugar a la eclosión actual de la inteligencia artificial y del aprendizaje profundo, que tiene la base en estos resultados que buscaban emular el funcionamiento del sistema neuronal humano.

El Premio Nobel de Física otorgado a John J. Hopfield y Geoffrey E. Hinton representa un merecido reconocimiento a su contribución fundamental en el campo del aprendizaje automático y las redes neuronales artificiales. Hopfield es conocido por desarrollar las redes neuronales que llevan su nombre, las cuales son importantes porque demostraron cómo las redes podían almacenar y recuperar patrones de manera eficiente, simulando el comportamiento asociativo del cerebro. Hinton, considerado el padrino de la inteligencia artificial, desempeñó un papel clave en el avance del aprendizaje profundo, siendo uno de los pioneros del algoritmo de retropropagación. Las innovaciones de ambos han cimentado la revolución de la inteligencia artificial, que actualmente está transformando disciplinas tan dispares como la medicina o la física de altas energías.

Debe de haber sido muy difícil elegir a qué investigadores o investigadoras se le otorgaba el premio Nobel de Física de este año por los descubrimientos fundacionales e invenciones que permiten el aprendizaje automático con redes neuronales artificiales. La investigación en el área comenzó allá por los años 50 y tras pasar por varios períodos de mayor y menor desarrollo científico llega a nuestra actualidad con fuerzas renovadas. Tanto John Hopfield como Geoffrey Hinton destacan por diseñar distintos tipos de redes neuronales artificiales que han dado pie a la creación de las herramientas actuales de inteligencia artificial que permiten tanto detectar cánceres en etapas tempranas como generar texto artificial realista. Es, a su vez, sorprendente esta noticia dado que no existe un premio Nobel para informática, poniendo en evidencia que en el trabajo multidisciplinar es claramente el futuro de una investigación puntera.

Ha sido una sorpresa, no por la calidad y contribuciones de los galardonados, sino porque son dos científicos multidisciplinares que, originarios de campos como la Física o la Psicología, han sentado las bases de las redes neuronales artificiales y el aprendizaje automático, tal y como los conocemos.  

Para mí, es un reconocimiento también a la relevancia que la inteligencia artificial está teniendo en nuestras vidas y, en particular, en muchos avances científicos recientes. La ciencia y la tecnología del siglo XXI van a ser hijas de la inteligencia artificial. Una vez más, este premio demuestra los vasos comunicantes en la ciencia y la tecnología, donde muchos fenómenos y teorías que nacen de la Física o de la Neurociencia, tienen su contrapartida en Computación, y acaban convirtiéndose, tras décadas de refinamiento y el trabajo de mucha otra gente más anónima, en las tecnologías que están cambiando el mundo.  

En definitiva, la Computación es Matemáticas, es Física, es Psicología, es Biología, es todas las ciencias. Sin ella, y sin la inteligencia que deriva de ella, no se podrá entender el mundo. 

La concesión del Premio Nobel de Física a John J. Hopfield and Geoffrey E. Hinton “for foundational discoveries and inventions that enable machine learning with artificial neural networks”, me ha causado una cierta sorpresa, aunque no demasiada. No es la primera vez que se otorga un Premio Nobel a un pionero de la IA, ya que anteriormente lo obtuvo Herbert Simon (de Economía, que no es un Nobel de los ‘clásicos’), pero que también había tenido méritos suficientes para ello en Economía.   

En este caso, creo que va a haber una cierta controversia, porque en realidad podríamos considerar que el premio se otorga, en cierta forma, a un avance científico, pero también, o, sobre todo, informático (Nobel, obviamente, no pudo instituir tal premio porque la informática no existía como tal). Es decir, con un alto componente de ingeniería y tecnología; pero me temo que, también, este premio se ha podido conceder por la relevancia social y mediática actual de la IA, lo que es peligroso si hablamos de un Premio Nobel.  

Hopfield e Hinton son dos pioneros de las redes de neuronas artificiales (estas redes, de múltiples tipos, constituyen la rama más en boga de la IA). Hopfield ha sido pionero en un tipo muy original de redes de neuronas artificiales que llevan su nombre, las ‘redes de Hopfield’. Por su parte, Hinton (que ya había obtenido el Premio Turing, para muchos el equivalente al Nobel en informática) ha sido uno de los creadores del llamado “Deep Learning” o aprendizaje profundo, basado en redes complejas de neuronas artificiales, que son la base de sistemas tan conocidos como ChatGPT. En este segundo caso, sobre todo, el premio ha sido otorgado a Hinton, pero podría haber sido otorgado a un amplio (o muy amplio número) de investigadores que han sido clave en el desarrollo de esta tecnología. Muchos otros pioneros de la IA, concretamente de las redes de neuronas artificiales y de sus fundamentos físicos y matemáticos, incluso anteriores a Hinton, quedan así olvidados por el premio, concentrado en dos personas. No es la primera vez que la Fundación Nobel otorga un Premio Nobel a los creadores de una tecnología olvidando a otros, incluso a los pioneros descubridores de su base científica.  

Me temo que tenemos debate mediático para rato y más por las declaraciones continuas, controvertidas de Hinton sobre múltiples temas alrededor del futuro de la IA y la sociedad, que ahora se analizarán con lupa.

Lo único que me ha sorprendido es que no se la hayan dado también a Terry Sejnowski. Terry tiene tanto mérito como Hinton en la invención de la Máquina de Boltzman (que es el motivo principal del premio a Hinton). De hecho, ambos son coautores de los artículos en 1985 y 1986 que describen el algoritmo de aprendizaje en la máquina de Boltzman. Además, Sejnowski hizo la tesis doctoral con Hopfield, el otro premiado. En mi opinión es injusto haberse olvidado de Sejnowski.

Es un avance significativo que el premio Nobel de Física reconozca los logros en inteligencia artificial, una disciplina que, en esencia, pertenece al campo de la Ingeniería. Dado que no existe un Nobel específico para Ingeniería, quizá sea el momento de considerar su creación, ya que la IA se aplica de forma transversal a numerosos campos pero se basa en fundamentos ingenieriles.

Los galardonados reciben este premio por sus contribuciones indiscutibles a la inteligencia artificial: Hopfield ha sido pionero en el desarrollo de redes neuronales y Hinton ha revolucionado el campo con la retropropagación, esencial para el Deep Learning moderno. Sin embargo, también es importante recordar que estos avances han sido posibles gracias a décadas de trabajo incremental por parte de toda una comunidad científica.

Aún reconociendo el mérito de los premiados, persiste una notable falta de representación femenina en estos galardones. Sería alentador que, en el futuro, se logre una mayor diversidad en estos reconocimientos, un reto aún pendiente no solo para el Nobel, sino también para otros premios como los Princesa de Asturias, que en 2022 distinguieron a cuatro hombres como ‘padres de la IA’.