Tag: aprendizaje

Dos investigadores han desarrollado herramientas para comprender las redes neuronales que sustentan las redes actuales Un gran avance en inteligencia artificial (IA) Ganó el Premio Nobel de Física 2024.

John Hopfield de la Universidad de Princeton en Nueva Jersey y Geoffrey Hinton de la Universidad de Toronto en Canadá comparten el premio de 11 millones de coronas suecas (un millón de dólares estadounidenses), que fue anunciado por la Real Academia Sueca de Ciencias en Estocolmo el 8 de octubre.

Ambos utilizaron herramientas de la física para idear métodos que tengan este poder. Redes neuronales artificialesque explota estructuras de clases inspiradas en el cerebro para aprender conceptos abstractos. Sus descubrimientos “forman los componentes básicos de Aprendizaje automático“Podría ayudar a los humanos a tomar decisiones más rápidas y confiables”, dijo durante el anuncio Elin Munz, presidenta del Comité Nobel y física de la Universidad de Karlstad en Suecia. “Las redes neuronales artificiales se han utilizado para avanzar en la investigación de diversos temas de física, como la física de partículas, la ciencia de los materiales y la astrofísica”.

Memoria de la máquina

En 1982, Hopfield, Biólogo teórico con formación en física, vino con una red Describir las conexiones entre neuronas virtuales como fuerzas físicas.¹. Al almacenar los patrones como un estado de bajo consumo de energía de la red, el sistema puede recrear el patrón cuando se le solicita algo similar. Se la conoce como memoria asociativa, porque la forma en que “recuerdas” las cosas es similar a cuando el cerebro intenta recordar una palabra o concepto basándose en información relacionada.

Hinton, un científico informático, utilizó principios de la física estadística, que describen colectivamente sistemas que tienen demasiadas partes para ser rastreados individualmente, para desarrollar aún más la “red Hopfield”. Al incorporar probabilidades en una versión multicapa de la red, creó una herramienta que podía reconocer y clasificar imágenes, o crear nuevos ejemplos del tipo en el que fue entrenada.².

Informática: máquinas de aprendizaje

Estos procesos difieren de los tipos de computación anteriores, donde las redes podían aprender de ejemplos, incluidos datos complejos. Este fue un desafío para los programas tradicionales que se basaban en cálculos paso a paso.

Las redes son “modelos altamente idealizados que son tan diferentes de las redes neuronales biológicas reales como las manzanas lo son de los planetas”, dice Hinton. el escribio en naturaleza neurología En 2000. Pero ha demostrado ser útil y se ha aprovechado ampliamente. Las redes neuronales que imitan el aprendizaje humano forman la base de muchas herramientas modernas de inteligencia artificial, desde grandes modelos de lenguaje (LLM) hasta algoritmos de aprendizaje automático capaces de analizar grandes conjuntos de datos, incluidos Modelo de predicción de la estructura de la proteína AlphaFold.

Hablando por teléfono cuando se anunció el premio, Hinton dijo que enterarse de que había ganado el Premio Nobel fue “un rayo caído del cielo”. “Estoy sorprendido, no tenía idea de que esto sucedería”, dijo. Añadió que los avances en el aprendizaje automático “tendrán un impacto enorme y será similar a la revolución industrial”. Pero en lugar de superar a las personas en fuerza física, las superará en capacidad intelectual.

En los últimos años, Hinton se ha convertido en una de las voces más fuertes que piden salvaguardias en torno a la inteligencia artificial. Dice que el año pasado se convenció de que la computación digital era mejor que el cerebro humano, gracias a su capacidad de compartir el aprendizaje de múltiples copias de un algoritmo, ejecutándose en paralelo. “Hasta ese momento, había pasado 50 años pensando que si pudiéramos hacerlo más parecido a un cerebro, sería mejor”, dijo el 31 de mayo en una charla virtual en la Cumbre Mundial sobre Inteligencia Artificial para el Bien en Ginebra. Suiza. . “Me hizo pensar [these systems are] “Vamos a volvernos más inteligentes de lo que pensamos antes de lo que pensaba”.

Motivado por la física

Hinton también ganó el premio Alan Turing en 2018. A veces descrito como un “premio de informática”.. Hopfield también ha ganado muchos otros premios prestigiosos en física, incluida la Medalla Dirac.

“[Hopfield’s] “La motivación fue realmente la física, y este modelo de física se inventó para comprender determinadas fases de la materia”, afirma Karl Janssen, físico del Laboratorio Alemán de Sincrotrón (DESY) en Zeuthen, que describe el trabajo como “pionero”. Janssen añade que después de décadas de desarrollo, las redes neuronales se han convertido en una herramienta importante para analizar datos de experimentos de física y comprender los tipos de transiciones de fase que Hopfield se propuso estudiar.

Cómo ganar un Premio Nobel: ¿Qué tipo de científicos ganan medallas?

Lenka Zdeborova, física estadística computacional del Instituto Federal Suizo de Tecnología en Lausana (EPFL), dice que le sorprendió gratamente que el Comité del Nobel reconociera la importancia de las ideas de la física para comprender sistemas complejos. “Esta es una idea muy general, ya sean moléculas o personas en la sociedad”.

En los últimos cinco años, Premio Abel y Medallas de campo También fue celebrado por Fertilización cruzada entre matemáticas, física e informáticaespecialmente contribuciones a la física estadística.

Ambos ganadores “aportan ideas muy importantes desde la física a la inteligencia artificial”, dice Yoshua Bengio, el científico informático que compartió el Premio Turing 2018 con Hinton y el también pionero de las redes neuronales Yann LeCun. El trabajo fundamental de Hinton y su contagioso entusiasmo lo convirtieron en un gran modelo a seguir para Bengio y otros de los primeros defensores de las redes neuronales. “Me sentí increíblemente inspirado cuando era estudiante”, dice Bengio, director del Instituto de Algoritmos de Aprendizaje de Montreal en Canadá. Muchos científicos informáticos habían considerado que la red neuronal era improductiva durante décadas, y un importante punto de inflexión se produjo cuando Hinton y otros la utilizaron para ganar un importante concurso de reconocimiento de imágenes en 2012, dice Bengio.

Beneficios del modelo cerebral

La biología también se ha beneficiado de estos modelos artificiales del cerebro. May-Britt Moser es una neurocientífica galardonada de la Universidad Noruega de Ciencia y Tecnología en Trondheim. Premio Nobel de Fisiología o Medicina 2014Ella dice que estaba “muy feliz” cuando vio anunciar a los ganadores. Ella dice que las versiones de los modelos de red de Hopfield han sido útiles para los neurocientíficos al investigar cómo las neuronas trabajan juntas en la memoria y la navegación. Añade que su modelo, que describe los recuerdos como puntos bajos en la superficie, ayuda a los investigadores a imaginar cómo ciertos pensamientos o miedos pueden arreglarse y recuperarse en el cerebro. “Me gusta usar esto como metáfora para hablar con la gente cuando está estancada”.

Diez códigos informáticos que cambiaron la ciencia

Hoy en día, la neurociencia se basa en teorías de redes y herramientas de aprendizaje automático, que surgieron del trabajo de Hopfield y Hinton, para comprender y procesar datos de miles de células simultáneamente, dice Moser. “Alimenta la comprensión de cosas con las que ni siquiera podíamos soñar cuando comenzamos en este campo”.

“El uso de herramientas de aprendizaje automático tiene un impacto inmensurable en el análisis de datos y en nuestra posible comprensión de cómo los circuitos cerebrales realizan cálculos”, dice Eve Marder, neurocientífica de la Universidad Brandeis en Waltham, Massachusetts. “Pero estos impactos quedan eclipsados ​​por los muchos impactos que el aprendizaje automático y la inteligencia artificial están teniendo en todos los aspectos de nuestra vida diaria”.