En octubre, el Comité del Nobel de Física reveló que los pioneros de la IA John J. Hopfield y Geoffrey E. Hinton serían galardonados con Premio Nobel de Física. El anuncio dejó a más de uno confundido. Al fin y al cabo, las contribuciones de Hopfield y Hinton están más relacionadas con las matemáticas, la biología y la ciencia computacional. ¿Entonces por qué recibirán el Premio Nobel de Física?
Por su lado, Dmitry Krotov —físico asociado con MIT e IBM— señaló que las barreras entre las disciplinas se difuminan. Esto se debe a que la física está en constante cambio. No menos importante, el comité enfatizó que el trabajo de Hopfield y Hinton tiene bases en la física. Con eso dicho, ¿quiénes son los galardonados y qué hicieron?
¿Quién es John J. Hopfield?
Nativo de Chicago, John J. Hopfield comenzó su carrera en 1958 estudiando las propiedades de la materia sólida en Bell Laboratories. Sin embargo, al sentirse limitado por el campo de la física, eventualmente dio el salto a la biología y química. Serían estos intereses los que informarían sus investigaciones en la década de los 80.
Específicamente, su trabajo se enfocó en cómo los procesos del cerebro pueden servir como referencia de la forma en que las máquinas guardan y reproducen patrones. Según The New York Times, Hopfield siempre vio una conexión entre la física y la biología. En sus palabras, “la biología es un sistema físico bastante complejo”.
Fue en 1982 que Hopfield desarrolló un modelo de redes neuronales. Hoy se le conoce como la red de Hopfield y, similar al cerebro humano, es un sistema que “recuerda” memorias al recibir información parcial. Está basado en el descenso de gradiente.
¿Quién es Geoffrey E. Hinton?
A pesar de haber nacido a las afueras de Londres, Geoffrey E. Hinton ha trabajado en los Estados Unidos y Canadá desde finales de los 70. Hoy en día ejerce como profesor de ciencias computacionales. No obstante, su investigación de las redes neurales comenzó cuando era estudiante de la Universidad de Edimburgo a principios de los 70.
En 1985, Hinton y sus compañeros desarrollaron su propia red neuronal. La bautizaron como la máquina de Boltzmann, ya que está basada en la ecuación formulada por el físico austriaco Ludwig Boltzmann. Dicha ecuación describe la evolución de la energía, la carga o el número de partículas dentro de un sistema termodinámico.
Similar a la red de Hopfield, la máquina de Boltzmann posee nodos con “energía” definida y nodos binarios. Sin embargo, dichos valores no son aleatorios. Esto conlleva a que el aprendizaje pueda ser muy eficaz en arquitecturas restringidas.
¿Qué es una red neuronal?
Mientras que un cerebro tiene neuronas, una red neuronal artificial tiene nodos con diferentes valores. Similarmente a dichas neuronas, que pueden comunicarse entre sí por medio de sinapsis, los nodos artificiales se influencian entre sí a través de conexiones. Una red neural artificial puede ser entrenada desarrollando conexiones más fuertes entre los nodos. Eso es similar a la forma en que entrenamos el cerebro.
¿Por qué John J. Hopfield y Geoffrey E. Hinton recibieron el Premio Nobel de Física?
Tal como explica Yann LeCun, científico en jefe en Meta, tanto la red de Hopfield como la máquina de Boltzmann no son empleadas por la IA moderna. Aun así, las tecnologías actuales le deben bastante a dichas investigaciones. Sin ellas, las redes neuronales como las conocemos no existirían. Como explica el Comité del Nobel, “nos mostraron una forma completamente nueva para sacar provecho de nuestras computadoras”.
IA: ¿bendición o caja de Pandora?
A pesar de las ventajas que ofrece la IA en materia de automatización y optimización, algunos miembros de la comunidad científica observan con preocupación el súbito auge de esta tecnología. Ellen Moons, miembro del Comité del Nobel de Física, señaló que está en manos de la humanidad utilizar la IA de forma responsable y ética.
De hecho, uno de los galardonados personifica dicho escepticismo.
En 2023, Geoffrey E. Hinton abandonó su trabajo como investigador en Google. Durante el anuncio del Nobel en Estocolmo, el científico reiteró su preocupación sobre la tecnología que ayudó a crear. También lo hizo en
posterior rueda de prensa.
También le puede interesar: IA generativa en Hollywood: ¡Luces, cámara, acción!
En una entrevista con BBC, Hinton dijo que el gobierno británico deberá establecer un salario básico universal para lidiar con el impacto de la IA sobre la desigualdad. Se presentó muy preocupado sobre la IA tomando muchos trabajos mundanos.
Añadió que, si bien la IA sin duda incrementará la productividad y la riqueza, esta última irá a los ricos. Aquellos que pierdan sus trabajos quedarán en incertidumbre.
En la misma entrevista, dijo que los últimos desarrollos han demostrado que los gobiernos son incapaces de limitar el uso militar de la IA. Adicionalmente, la carrera tecnológica ha incentivado a que las compañías de tecnología no den mucha importancia a la seguridad de sus productos. Esta no ha sido la única consecuencia.
¿Qué implica que la IA sea reconocida dentro de los Premios Nobel?
El potencial negativo de la IA no ha sido la única causa de preocupación.
Eleanor Drage —investigadora senior en la Universidad de Cambridge— opinó sobre la premiación de reconocimientos en física y química a investigadores de IA. La calificó como “una gran polémica, tanto dentro como fuera de dichas disciplinas”.
Según Drage, la premiación de IA dentro del campo de la física puede tener un par de posibles razones. Por un lado, la causa puede ser un cambio de paradigma en los límites de cada disciplina dada la ubicuidad de la IA. Por otro lado, la omnipresencia de dicha tecnología nos ha impulsado a meter la inteligencia artificial por donde quepa.
Matt Hodgkinson, un científico independiente en UK Research Integrity Office (UKRIO), dice que no vale la pena llorar sobre la leche derramada. La IA llegó para quedarse. Aun así, sería imprudente no considerar cómo influirá sobre futuras investigaciones.
Lectura recomendada: Los árboles y suelos están absorbiendo menos CO2, ¿qué estamos haciendo para resolverlo? (parte 1)
Wired plantea un ejemplo positivo. David Baker, uno de los ganadores del Premio Nobel de Química, ha sido pionero en el uso de IA para la predicción de estructura de las proteínas. Sin embargo, esto no fue un caso de éxito instantáneo. Fue un proceso reiterativo para Baker, que publicó más de 600 investigaciones hasta llegar a AlphaFold2: el proyecto con Google DeepMind que le acarreo el premio.
A pesar de lo anterior, Hodgkinson está preocupado de que los investigadores den más importancia al uso de IA dentro de la metodología que a la rigurosidad científica. No es prudente cerrar las puertas de la ciencia a la IA.
No obstante, las eminencias de la comunidad científica tienen la responsabilidad de exigir rigurosidad. De lo contrario, se arriesgan a que la IA termine diluyendo y contaminando bases de conocimiento.
Esto es lo que Kenneth Boyd define como dilución epistemológica. Al fin y al cabo, la IA no puede crear nuevas ideas. Solo puede regurgitar información existente, independientemente de que las fuentes sean confiables o pertinentes. Está en las manos de los científicos y demás académicos hacer la curación de dichos contenidos.
