{"id":80424,"date":"2024-10-08T19:12:43","date_gmt":"2024-10-09T01:12:43","guid":{"rendered":"http:\/\/mickyandoniehn.com\/radio\/2024\/10\/08\/en-1985-dos-cientificos-vislumbraron-el-potencial-de-las-redes-neuronales-hoy-son-los-padres-de-la-ia-y-premio-nobel\/"},"modified":"2024-10-08T19:12:43","modified_gmt":"2024-10-09T01:12:43","slug":"en-1985-dos-cientificos-vislumbraron-el-potencial-de-las-redes-neuronales-hoy-son-los-padres-de-la-ia-y-premio-nobel","status":"publish","type":"post","link":"https:\/\/mickyandoniehn.com\/radio\/2024\/10\/08\/en-1985-dos-cientificos-vislumbraron-el-potencial-de-las-redes-neuronales-hoy-son-los-padres-de-la-ia-y-premio-nobel\/","title":{"rendered":"En 1985 dos cient\u00edficos vislumbraron el potencial de las redes neuronales. Hoy son \u00ablos padres de la IA\u00bb y Premio Nobel"},"content":{"rendered":"<\/p>\n<p>En 1956 un grupo de cient\u00edficos, matem\u00e1ticos y pensadores se reunieron en el Darmouth College. Entre ellos estaban Marvin Minsky, Claude Shannon o John Nash \u2014el de \u2018Una mente maravillosa\u2019\u2014 se reunieron para hablar de\u00a0<a href=\"https:\/\/www.xataka.com\/basics\/que-inteligencia-artificial-explicacion-sencilla-completa-para-todo-mundo\">una disciplina totalmente nueva<\/a>. Ahora esas dos palabras est\u00e1n por todas partes, pero en aquel momento sonaban extra\u00f1as y ut\u00f3picas.<\/p>\n<div class=\"ad ad-lat\">\n<div class=\"ad-box\"><\/div>\n<\/div>\n<p>Esas dos palabras no eran otras que\u00a0<strong>inteligencia artificial<\/strong>.<\/p>\n<p>Ese nombre se le ocurri\u00f3 a John McCarthy, el joven profesor de aquella instituci\u00f3n que trabaj\u00f3 durante un a\u00f1o en organizar ese ciclo de reuniones. Todos los que participaron en ese congreso salieron entusiasmados con el proyecto de crear una inteligencia artificial, aunque acabar\u00edan darse de bruces con una realidad terrible: se hab\u00edan adelantado a su tiempo. La capacidad de computaci\u00f3n de la \u00e9poca no permit\u00eda resolver los grandes retos de la IA.<\/p>\n<h2>Hola, redes neuronales artificiales<\/h2>\n<p>Sin embargo, la disciplina sigui\u00f3 desarroll\u00e1ndose y poco a poco se fue avanzando en varios de sus pilares. Uno de ellos, las\u00a0<strong>redes neuronales artificiales<\/strong>\u00a0(ANNs, por sus siglas en ingl\u00e9s) fue especialmente prometedor para uno de los grandes problemas que se planteaban: el reconocimiento de patrones.<\/p>\n<p>Ese problema permit\u00eda por ejemplo interpretar im\u00e1genes y que una m\u00e1quina pudiese reconocer lo que mostraba una imagen. Que un perro era un perro o un humano un humano, por ejemplo. El trabajo en ese campo evolucion\u00f3 de forma err\u00e1tica, pero en 1982 pas\u00f3 algo.<\/p>\n<p>Ese a\u00f1o\u00a0<strong>John Hopfield<\/strong>, f\u00edsico te\u00f3rico \u2014nacido en 1933, e hijo de dos f\u00edsicos te\u00f3ricos\u2014 public\u00f3 un trabajo sobre un modelo de una memoria asociativa basada en una red neuronal recurrente. Los conceptos que manej\u00f3 estaban muy ligados al campo de la f\u00edsica a pesar de aplicarse al \u00e1mbito de la computaci\u00f3n \u2014en concreto, a la descripci\u00f3n de materiales magn\u00e9ticos\u2014, y Hopfield ten\u00eda eso muy claro.<\/p>\n<p>Su idea era singular y permit\u00eda que un sistema inicializado con un patr\u00f3n incorrecto \u2014por ejemplo, una palabra mal deletreada\u2014 acababa \u00abatra\u00eddo por un nodo \u00abde m\u00ednima energ\u00eda\u00bb de la red neuronal, lo que daba como resultado la correcci\u00f3n del sistema \u2014que la palabra resultado fuese escrita correctamente\u2014.<\/p>\n<div class=\"ad ad-lat2\">\n<div class=\"ad-box\"><\/div>\n<\/div>\n<p>La idea acab\u00f3 desembocando en un trabajo de Hopfield y David Tank de 1986. En \u00e9l propon\u00edan un sistema que\u00a0<a href=\"https:\/\/www.xataka.com\/robotica-e-ia\/no-sabemos-como-hace-chatgpt-que-hace-openai-acaba-lanzar-herramienta-para-descubrirlo\">resolv\u00eda problemas complejos<\/a>\u00a0<strong>inspirado en c\u00f3mo se comportan los sistemas f\u00edsicos<\/strong>\u00a0a lo largo del tiempo.<\/p>\n<p>En el \u00abmodelo anal\u00f3gico\u00bb, como lo llamaban, en lugar de trabajar con n\u00fameros (ceros y unos) y ordenadores, usaban un sistema que cambiaba de forma suave, gradual y continua. Codificaban el problema con una red en la que las conexiones entre las distintas partes de la red ten\u00edan ciertos pesos y eso guiaba al sistema a lograr la mejor soluci\u00f3n.\u00a0<a href=\"https:\/\/www.nobelprize.org\/uploads\/2024\/09\/advanced-physicsprize2024.pdf\">Seg\u00fan la Real Academia Sueca de Ciencias<\/a>, \u00abHopfield hizo una contribuci\u00f3n fundacional a nuestro entendimiento de las capacidades computacionales de las redes neuronales\u00bb.<\/p>\n<p>Precisamente para \u00abredondear\u00bb el trabajo de Hopfield\u00a0<strong>fue crucial la labor de Geoffrey Hinton<\/strong>, que entre 1983 y 1985 trabaj\u00f3 con Terrence Sejnowski y otros investigadores para desarrollar una extensi\u00f3n estoc\u00e1stica (probabil\u00edstica) del modelo de Hopfield de 1982. Lo llam\u00f3 la m\u00e1quina de Boltzmann, y ten\u00eda una peculiaridad que seguro que nuestros lectores captan f\u00e1cilmente:<\/p>\n<p>Era un modelo generativo.<\/p>\n<p>En eso se diferenciaba del modelo de Hopfield. Aqu\u00ed Hinton se centraba en distribuciones estad\u00edsticas de patrones, y no en patrones individuales. Su m\u00e1quina de Boltzmann \u2014<a href=\"https:\/\/www.xataka.com\/robotica-e-ia\/no-sabemos-como-hace-chatgpt-que-hace-openai-acaba-lanzar-herramienta-para-descubrirlo\">tambi\u00e9n una red neuronal recurrente<\/a>\u2014 conten\u00eda nodos visibles que se correspond\u00edan con los patrones que deb\u00edan ser \u00abaprendidos\u00bb. El sistema trata de aprender c\u00f3mo de buenas o malas son las distintas soluciones al resolver al problema, no se centra en una \u00fanica soluci\u00f3n exacta.<\/p>\n<div class=\"ad ad-lat\">\n<div class=\"ad-box\"><\/div>\n<\/div>\n<p>Adem\u00e1s de los nodos visibles, la m\u00e1quina tiene nodos ocultos, componentes adicionales que permiten a la m\u00e1quina capturar relaciones m\u00e1s complejas y variadas entre esos patrones. Esos nodos ocultos permiten adem\u00e1s modelar la capacidad de comprender m\u00e1s posibilidades, en lugar de estar limitadas a los patrones espec\u00edficos que nosotros le mostramos. O lo que es lo mismo:\u00a0<strong>puede generar cosas que no hab\u00eda visto<\/strong>\u00a0pero que probablemente tienen sentido.<\/p>\n<h2>De las ANNs a ChatGPT<\/h2>\n<p>Tanto el modelo de Hopfield como la m\u00e1quina de Boltzmann permitieron desarrollar aplicaciones muy interesantes en los a\u00f1os siguientes. Entre otros, en reconocimiento de\u00a0<a href=\"https:\/\/www.xataka.com\/robotica-e-ia\/no-sabemos-como-hace-chatgpt-que-hace-openai-acaba-lanzar-herramienta-para-descubrirlo\">patrones en im\u00e1genes, textos<\/a>\u00a0y datos cl\u00ednicos. A partir de ese trabajo Yann LeCun (ahora m\u00e1ximo responsable de IA en Meta) y Yoshua Bengio vislumbraron las redes neuronales convolucionales (CNN) que se aplicaron a cosas curiosas: varias entidades bancarias en EEUU usaron el trabajo de LeCun para clasificar los d\u00edgitos manuscritos en cheques a mediados de los 1990.<\/p>\n<div class=\"article-asset-image article-asset-large article-asset-center\">\n<div class=\"asset-content\"><\/div>\n<\/div>\n<p>La contribuci\u00f3n de Hinton no termin\u00f3 ah\u00ed. Con el cambio de milenio desarroll\u00f3 una variante de su proyecto llamada m\u00e1quina de Boltzmann restringida que funcionaba mucho m\u00e1s r\u00e1pido y que permit\u00eda trabajar con redes muy densas y con muchas capas, lo que dar\u00eda lugar a la creaci\u00f3n de una disciplina especialmente conocida: el\u00a0<a href=\"https:\/\/www.xataka.com\/robotica-e-ia\/deep-learning-que-es-y-por-que-va-a-ser-una-tecnologia-clave-en-el-futuro-de-la-inteligencia-artificial\">aprendizaje profundo o\u00a0<em>deep learning<\/em><\/a>.<\/p>\n<p>Las aplicaciones de las ANNs han acabado siendo extraordinarias en muchos campo como la astrof\u00edsica o la astronom\u00eda, pero tambi\u00e9n, c\u00f3mo no, en el campo de la computaci\u00f3n. La academia sueca pone como ejemplo\u00a0<a href=\"https:\/\/www.xataka.com\/medicina-y-salud\/deepmind-anuncia-alphafold-3-medicamentos-desarrollados-esta-ia-negocio-multimillonario-estan-muy-cerca\">AlphaFold, el proyecto de DeepMind<\/a>, pero este tipo de modelos con redes neuronales artificiales\u00a0<strong>se usan por ejemplo en chatbots<\/strong>\u00a0como ChatGPT, Gemini o Claude.<\/p>\n<p>El trabajo de los dos Premios Nobel de f\u00edsica ha sido por tanto fundamental para toda la evoluci\u00f3n de este campo, y aunque tanto antes como durante y despu\u00e9s de Hopfield y Hinton muchas m\u00e1s personas contribuyeron a desarrollarlo, su labor les ha convertido en \u00abpadres de la IA\u00bb y adem\u00e1s ha sido considerada como merecedora de este prestigioso galard\u00f3n.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>En 1956 un grupo de cient\u00edficos, matem\u00e1ticos y pensadores se reunieron en el Darmouth College. Entre ellos estaban Marvin Minsky, Claude Shannon o John Nash \u2014el de \u2018Una mente maravillosa\u2019\u2014 se reunieron para hablar de\u00a0una disciplina totalmente nueva. Ahora esas dos palabras est\u00e1n por todas partes, pero en aquel momento sonaban extra\u00f1as y ut\u00f3picas. Esas &hellip;<\/p>\n","protected":false},"author":0,"featured_media":80425,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[5],"tags":[],"class_list":["post-80424","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-noticias"],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/mickyandoniehn.com\/radio\/wp-content\/uploads\/2024\/10\/500_333-FDIKc9.jpeg","_links":{"self":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/80424","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/comments?post=80424"}],"version-history":[{"count":0,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/80424\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media\/80425"}],"wp:attachment":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media?parent=80424"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/categories?post=80424"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/tags?post=80424"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}