En 2024, el Premio Nobel de Química fue otorgado a Demis Hassabis, David Baker y John M. Jumper “por el diseño computacional de proteínas” y “por la predicción de la estructura de las proteínas”. Y el de física le correspondió a Geoffrey Hinton y John Hopfield por sus “descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales”, esto es, por ayudar a que las computadoras aprendan. Los premios y premiados, así como sus investigaciones, tienen un origen común.

     Todo comenzó en DeepMind, una compañía inglesa dedicada al desarrollo de inteligencia artificial. Creada como Deep Mind Technologies por Demis Hassabis, Shane Legg y Mustafa Suleyman en 2010, en 2014 fue adquirida por Alphabet Inc., la matriz de Google, por una cantidad cercana a los 500 millones de dólares. Fue renombrada como Google DeepMind, y uno de los compromisos de la empresa californiana fue establecer un comité de ética de la inteligencia artificial.

     La idea de DeepMind era utilizar la IA para resolver diversos problemas:

[...] y en el camino hacia ese objetivo, sorprendentemente tal vez utilicemos juegos, pues están diseñados como un desafío para que los humanos los dominen y, por lo general, representan algún aspecto interesante del mundo real. Pensamos que son la plataforma perfecta para desarrollar y probar ideas para los algoritmos de la IA.

     En octubre de 2015, el programa creado por Goggle DeepMind, AlphaGo, derrotó al campeón europeo de go por 5-0. En enero del año siguiente se dio a conocer la noticia en la revista Nature, además de los algoritmos utilizados (en el siguiente enlace se puede ver el documental Alpha Go. The movie: https://www.youtube.com/watch?v=WXuK6gekU1Y&t=451s).

     DeepMind contaba con una red neuronal que aprende cómo jugar videojuegos de una manera similar a la de los seres humanos. Una red neuronal

[...] es un método de la inteligencia artificial que enseña a las computadoras a procesar datos de una manera inspirada en la forma en que lo hace el cerebro humano. Se trata de un tipo de proceso de machine learning llamado aprendizaje profundo.¹

     Hay varios tipos de redes y en todos ellos se puede llevar a cabo un proceso de entrenamiento y aprendizaje, el machine learning que es “una técnica de inteligencia artificial que otorga a las computadoras acceso a conjuntos de datos muy grandes y les enseña a aprender de estos datos”.² Se encuentran, así, patrones que se aplican a nuevas series para tomar decisiones. En este proceso es necesaria la intervención humana que le indica al software las características que debe analizar.

     otro lado, en el aprendizaje profundo el programador introduce datos sin procesar y el software obtiene las características por sí mismo y aprende de forma independiente.

     Y aquí es donde intervienen las investigaciones de Geoffrey Hinton y John Hopfield que les valieron el Premio Nobel de Física.

     Hinton es conocido como “el padrino de la inteligencia artificial” por sus trabajos sobre redes neuronales. Sus investigaciones allanaron el camino para plataformas como ChatGPT.

     Sin embargo, el profesor británico-canadiense ha advertido sobre los riesgos que supone para la humanidad la tecnología que él mismo ayudó a desarrollar: “No tenemos experiencia sobre lo que es tener cosas más inteligentes que nosotros”, declaró.

Va a ser maravilloso en muchos aspectos, en áreas como la atención médica, pero también tenemos que preocuparnos por una serie de posibles consecuencias negativas. En particular, la amenaza de que estas cosas se salgan de control.

SIGUE LEYENDO EN: REVISTA ELEMENTOS