El pequeño juguete que alcanzó el Premio Nobel de Física

La Real Academia de las Ciencias de Suecia decidió otorgar el Premio Nobel de Física a los científicos John Hopfield, estadounidense de 91 años ya retirado de la Universidad de Princeton, y Geoffrey Hinton, británico de nacimiento y nacionalizado canadiense, de 76 años y exprofesor de la Universidad de Toronto. Ambos científicos compartieron el premio por su aporte al desarrollo de la inteligencia artificial, específicamente mediante el uso de las redes neuronales.

Son los dos primeros científicos computacionales que ganan un Premio Nobel. Lo primero que pensé fue por qué les otorgaron el Premio Nobel de Física, dado que ninguno de los dos es físico de formación ni tampoco realiza investigación en física.

Dado que el premio nobel de computación no existe (no había computadoras cuando Alfred Nobel los propuso), pienso que habría sido más apropiado otorgarles el Premio Nobel de Medicina, ya que sus trabajos tratan de simular el comportamiento cerebral de los seres pensantes.

Pero eso no es lo importante, pues ambos lo merecen con creces. Lo trascendental es la importancia de la contribución que han realizado a lo largo de cuatro décadas en el desarrollo de la inteligencia artificial.

¿Qué son las redes neuronales y cómo funcionan?

Una red neuronal es una representación computacional que pretende simular cómo funciona el cerebro de un ser pensante. Está compuesta por dos elementos: por un lado, los nodos o puntos que representan las neuronas del cerebro, y por otro, las conexiones o enlaces entre los nodos, que simulan las sinapsis que ocurren en el cerebro cuando dos o más neuronas establecen una conexión.

Es mediante la construcción de sinapsis que el cerebro aprende. La idea original la propuso Hopfield en 1982, que consistía en construir una estructura computacional como una red de nodos que representan las neuronas en un cerebro, enlazados con conexiones que representan las sinapsis.

Estos enlaces tienen asignados unos números llamados “pesos”, que representan conocimiento. Al calibrar estos pesos, la red es capaz de aprender nuevo conocimiento.

Posteriormente, Hinton evolucionó la idea mediante el uso de probabilidades (en lugar de números determinísticos) para los pesos de los enlaces entre las neuronas. Además, propuso el algoritmo de retropropagación, que es la manera en que la red ajusta o calibra los pesos de sus enlaces conforme va aprendiendo.

Este algoritmo modifica (calibra) los pesos de las sinapsis (conexiones) conforme la red aprende, haciéndola más exacta a medida que se le alimenta con más datos (entrenamiento). Por ejemplo, si se define una red neuronal para reconocer imágenes de gatos y se entrena con miles de imágenes, la red aprende a reconocer imágenes de gatos conforme va calibrando esos pesos.

A medida que se le alimentan nuevas imágenes de gatos, la red vuelve a calibrar sus pesos y se vuelve más exacta, hasta llegar a un nivel en el cual, incluso, es capaz de superar, en algunos casos, a un ser humano.

Evolución y relevancia actual de las redes neuronales

Cuando cursé mi posgrado en los años 80, estudié las redes neuronales. En esa época, se consideraban como un “pequeño juguete computacional”, en vista de su poca capacidad de representación de conocimiento y su limitación para aprender. Sin embargo, en cuatro décadas han sucedido dos fenómenos que las han hecho muy relevantes.

Primero, el advenimiento de internet ha permitido la generación de exabytes de información que pueden ser utilizados para entrenarlas (un exabyte es un millón de millones de gigabytes). Y segundo, la expansión exponencial de la capacidad computacional para el procesamiento y almacenamiento ha hecho posible incrementar el tamaño de las redes neuronales y, así, aumentar exponencialmente su capacidad de aprendizaje.

Lo que era una invención científica novedosa hace cuatro décadas ahora se ha convertido en una verdadera innovación tecnológica que produce miles de millones de dólares de riqueza a quienes la explotan.

La innovación toma tiempo en dar sus frutos. Humanista antes que científico, Geoffrey Hinton no se anda con contemplaciones. Se trasladó de Estados Unidos a Canadá por su oposición al uso militar de las tecnologías en las que trabajaba.

El mismo Hinton, en los últimos años, ha advertido sobre el peligro del uso no ético de la inteligencia artificial, al punto que renunció a su puesto en Google para poder expresar sus puntos de vista y no crear un conflicto de intereses.

Él opina que en los próximos años la inteligencia artificial incrementará grandemente la productividad y creará mucha riqueza, pero que si los gobiernos no intervienen adecuadamente, los ricos que la explotan se harán más ricos a costa de los empleos del resto de la población.

Debemos, por ende, escuchar con atención lo que este premio nobel tiene que decir al respecto.

marcelo.jenkins.coronas@gmail.com

Marcelo Jenkins es profesor en la Universidad de Costa Rica.