El Nobel de física premia John Hopfield i Geoffrey Hinton, pioners de la intel·ligència artificial

GinebraLa Reial Acadèmia Sueca de les Ciències ha reconegut amb el premi Nobel de física els investigadors John Hopfield i Geoffrey Hinton per la seva contribució a establir les bases de l’aprenentatge automàtic a través de neurones artificials, un dels fonaments de la intel·ligència artificial (IA). Els descobriments dels guardonats, inspirats en el sistema nerviós i l'aprenentatge del cervell humà, han donat pas a una de les eines tecnològiques amb més potencial per automatitzar grans quantitats de dades. En concret, l'Institut Karolinska ha premiat Hopfield (Chicago, 1933) per haver creat les estructures matemàtiques que emmagatzemen i reconstrueixen informació, i Hinton (Londres, 1947) per haver inventat, de manera independent, una metodologia que permet descobrir patrons amagats en els grans conjunts de dades.

Durant l’última dècada, la intel·ligència artificial ha arribat a gairebé a tots els àmbits de la societat: des de la medicina i la gestió del transport fins als processos de selecció de personal de les empreses i les recomanacions de compres online. Tot i que els ordinadors no poden pensar, ha quedat demostrat que les màquines poden imitar funcions com la memòria i l'aprenentatge. Els populars models de llenguatge com ChatGPT en són un gran exemple, com també ho són els assistents virtuals o els traductors en línia. Darrere de tot això hi ha l'aprenentatge automàtic que utilitza una xarxa neuronal artificial. Ara bé, aquesta revolució en la interacció entre humans i tecnologia té el seu origen en la dècada de 1940, si bé no pren forma com a tal fins 40 anys després de la mà dels dos premiats.

Les investigacions de Hopfield (afiliat actualment a la Universitat de Princeton) i Hinton (Universitat de Toronto) es consideren pioneres i, avui dia, es poden identificar als fonaments matemàtics que hi ha al darrere de gran part dels actuals algoritmes d’intel·ligència artificial, en particular els basats en l’anomenat aprenentatge profund (o deep learning). Aquestes estructures matemàtiques que emmagatzemen i analitzen informació són les conegudes com a neurones artificials, per la seva semblança amb les neurones del sistema nerviós humà. Els algoritmes d’aprenentatge automàtic es formen a partir d'aquest tipus de neurones que incorporen informació a còpia de mostrar-los exemples. Mitjançant paràmetres variables que s’ajusten d'acord amb els patrons, aquestes eines poden observar les dades i anar incorporant els exemples fins que els "aprenen".

En aquest punt arriba l’aportació de Hopfield: va desenvolupar models basats en sistemes físics d’energia per crear xarxes de neurones artificials amb la capacitat d’extreure patrons de conjunts de dades incompletes o amb molt de soroll. Per entendre-ho millor, la física estadística descriu sistemes que es componen de molts elements similars, com ara molècules d'un gas. És impossible fer un seguiment de totes les molècules del gas de forma separada, però és possible considerar-les col·lectivament per determinar les propietats generals del gas com la pressió o la temperatura.

Normalment, aquests algoritmes han de navegar per un espai de dades molt gran i complex. És per això que un dels grans avenços a què Hinton va contribuir i que va impulsar l’aprenentatge automàtic va ser la invenció de l’algoritme d’aprenentatge per retropropagació. Aquest explora de forma eficient la complexitat del conjunt de dades i troba formes d’optimitzar el resultat de l’aprenentatge, fent-lo més ràpid i precís. “El treball dels guardonats ja ha aportat màxims beneficis. En física fem servir xarxes neuronals artificials en una àmplia gamma d'àrees, com ara el desenvolupament de nous materials amb propietats específiques", ha valorat la presidenta del Comitè Nobel de Física, Ellen Moons.

Hinton: "Em preocupen les conseqüències de la IA"

A principis dels anys 80, la intel·ligència artificial es trobava en un punt d’estancament, conegut com el "primer hivern" de la IA. Els desenvolupaments de Hopfield i Hinton van catapultar la disciplina i van obrir la porta al desenvolupament teòric de l’aprenentatge automàtic. Amb tot, a principis dels anys 90 es va topar amb un escull tecnològic: els ordinadors de l'època no tenien la potència suficient per implementar de forma eficient els algoritmes desenvolupats durant la dècada anterior, cosa que va donar pas al "segon hivern" de la IA. La nova revolució va arribar de la mà de les anomenades GPU, que durant la dècada del 2010 van proporcionar la potència de càlcul suficient que va establir de forma definitiva la nova era de la intel·ligència artificial.

Nerea Luis, doctora en ciències de la computació per la Universitat Carlos III de Madrid i consultora freelance en IA, valora el guardó en declaracions a SMC: "El descobriment de les xarxes neuronals artificials va marcar un abans i un després en la intel·ligència artificial proporcionant el fonament que va revolucionar la capacitat de les màquines per convertir les dades en coneixement". I afegeix: "Aquests fonaments van permetre també en els últims anys escalar la mida dels algoritmes i treballar amb múltiples dades de forma simultània amb els últims treballs basats en multimodalitat". Andreas Kaltenbrunner, investigador líder del grup AI and Data for Society de la UOC, qualifica de "sorpresa" el reconeixement i també destaca el gran impacte de les recerques dels premiats. "Aquest només pot augmentar i segurament portarà a més d'un descobriment que pugui rebre un Nobel en el futur", anticipa també a SMC.

L’avenç de la IA promet ser vertiginós, però, tal com admet el mateix Hinton, no està lliure de polèmica, dilemes ni controvèrsies a què la societat haurà de fer front els pròxims anys. Durant la roda de premsa del Nobel, ha deixat clara la seva sorpresa pel guardó i s’ha mostrat preocupat pels camins que està prenent l’avenç de la IA. “Em preocupa que les conseqüències del seu desenvolupament acabin creant sistemes més intel·ligents que nosaltres i acabin prenent el control”, ha afirmat.