Entrenaron redes neuronales artificiales usando física

08 de octubre de 2024.- Este año, dos premios Nobel de Física han utilizado herramientas de la física para desarrollar métodos que son la base del aprendizaje automático de hoy en día. John Hopfield creó una memoria asociativa que puede almacenar y reconstruir imágenes y otros tipos de patrones en los datos. Geoffrey Hinton inventó un método que puede encontrar propiedades de manera autónoma en los datos, y así realizar tareas como identificar elementos específicos en imágenes.

Cuando hablamos de inteligencia artificial, a menudo nos referimos al aprendizaje automático usando redes neuronales artificiales. Esta tecnología se inspiró originalmente en la estructura del cerebro. En una red neuronal artificial, las neuronas cerebrales están representadas por ganglios que tienen valores diferentes. Estos nodos influyen entre sí a través de conexiones que se pueden comparar con las sinapsis y que pueden hacerse más fuertes o más débiles. La red está entrenada, por ejemplo, desarrollando conexiones más fuertes entre nodos con valores simultáneamente altos. Este año los laureados han llevado a cabo un importante trabajo con redes neuronales artificiales a partir de la década de 1980.

John Hopfield inventó una red que utiliza un método para guardar y recrear patrones. Podemos imaginar los nodos como pixeles. La red de Hopfield utiliza la física que describe unas características de material debido a su giro atómico, una propiedad que hace de cada átomo un pequeño imán. La red en su conjunto se describe de una manera equivalente a la energía en el sistema de giros que se encuentra en la física, y se entrena por la búsqueda de valores para las conexiones entre los nodos para que las imágenes guardadas tengan baja energía. Cuando la red de Hopfield se alimenta de una imagen distorsionada o incompleta, funciona metódicamente a través de los nodos y actualiza sus valores para que la energía de la red cae. La red trabaja así paso a pie para encontrar la imagen guardada que es la más parecido a la imperfecta con la que se alimentaba.

Geoffrey Hinton utilizó la red Hopfield como base para una nueva red que utiliza un método diferente: la máquina Boltzmann. Esto puede aprender a reconocer elementos característicos en un tipo determinado de datos. Hinton utilizó herramientas de física estadística, la ciencia de los sistemas construidos a partir de muchos componentes similares. La máquina se entrena alimentando con ejemplos que es muy probable que surjan cuando la máquina se ejecuta. La máquina Boltzmann se puede utilizar para clasificar imágenes o crear nuevos ejemplos del tipo de patrón en el que fue entrenado. Hinton se ha basado en este trabajo, ayudando a iniciar el desarrollo explosivo actual del aprendizaje automático.

El trabajo de los laureados ya ha sido de los mayores beneficios. En física usamos redes neuronales artificiales en una amplia gama de áreas, como el desarrollo de nuevos materiales con propiedades específicas, dice Ellen Moons, presidenta del Comité Nobel de Física.