Fecha
Autor
Judith de Jorge

Premio Princesa de Asturias para los 'padres' de las primeras máquinas que aprenden solas

Geoffrey Hinton, Yann LeCun, Yoshua Bengio y Demis Hassabis han creado redes neuronales artificiales que imitan al cerebro humano

Cuatro investigadores expertos en inteligencia artificial han sido premiados este año con el Princesa de Asturias de Investigación Científica y Técnica. El británico Geoffrey Hinton, el franco-canadiense Yann LeCun, el canadiense Yoshua Bengio y el británico Demis Hassabis han sido reconocidos por ser los 'padres' de las primeras máquinas capaces de aprender, de forma muy semejante a cómo lo hace un cerebro humano. Esta tecnología de aprendizaje profundo ha supuesto una auténtica revolución para la ciencia y la tecnología que, además, está cada vez más presente en distintos campos de la industria.

Hinton, LeCun y Bengio son los creadores del 'deep learning' o aprendizaje profundo, que utiliza redes neuronales artificiales para el reconocimiento de voz, la visión por ordenador y el procesamiento del lenguaje natural, y ha logrado avances en campos tan diversos como la percepción de objetos y la traducción automática.

Estas redes neuronales pretenden imitar el funcionamiento del cerebro humano, utilizando algoritmos que convierten el proceso biológico del aprendizaje en secuencias matemáticas. Se trata de que la máquina aprenda de su propia experiencia, igual que cualquier humano.

Como neuronas

En 1986, Hinton (Londres, 1947) inventó los algoritmos de retropropagación, fundamentales para el entrenamiento de redes neuronales. Con ellos, en 2012 consiguió crear una red neuronal convolucional -donde las neuronas artificiales corresponden a campos receptivos de una manera muy similar a las neuronas en la corteza visual de un cerebro biológico- llamada AlexNet. Compuesta por 650.000 neuronas y entrenada con 1,2 millones de imágenes, que registró tan solo un 26 % de errores en el reconocimiento de objetos y redujo a la mitad el porcentaje de sistemas anteriores. Ha aportado otras contribuciones a las redes neuronales artificiales y su entrenamiento, como la creación de la máquina de Boltzmann o la máquina de Helmholtz (dos sofisticadas redes neuronales). En 2021 publicó en la plataforma de preprints arXiv un documento en el que presentó GLOM, un innovador proyecto, aún teórico, que supone un nuevo modelo para procesar y representar la información visual en una red neuronal.

Por su parte, LeCun (Soisy-sous-Montmorency, Francia, 1960) hizo aportaciones al desarrollo de los algoritmos de retropropagación que Hinton había inventado y en 1989 creó LeNet-5, un sistema de reconocimiento de caracteres escritos en cheques bancarios, que supuso un gran avance para la tecnología de reconocimiento óptico de caracteres. Posteriormente, contribuyó al desarrollo de la tecnología DjVu, de compresión de imágenes, utilizada por cientos de sitios web y millones de usuarios para acceder a documentos escaneados en internet. También ha trabajado en métodos de aprendizaje profundo para el reconocimiento de documentos, la interacción humano-computadora y el reconocimiento de voz.

A su vez, Bengio (París, 1964) ha hecho contribuciones clave en modelos probabilísticos de secuencias, utilizados para el reconocimiento de voz y de escritura y en aprendizaje no supervisado. Actualmente, estudia algoritmos más eficientes en representaciones de datos.

Proteínas humanas

Demis Hassabis (Londres, 1976) es CEO y cofundador de DeepMind, una de las mayores compañías de investigación en inteligencia artificial del mundo, creada en 2011 y adquirida en 2014 por Google. Hassabis, niño prodigio del ajedrez y diseñador de juegos de ordenador, ha creado con DeepMind un modelo de red neuronal que combina las capacidades de una red neuronal artificial con la potencia algorítmica de un ordenador programable. Además, la compañía ha creado un nuevo campo de aprendizaje por refuerzo profundo, un sistema de inteligencia artificial que abre la puerta a múltiples aplicaciones en el estudio de numerosas disciplinas científicas.

En 2021 el equipo de DeepMind logró predecir, con un grado muy elevado de exactitud, la estructura de más de 350.000 proteínas humanas (el 44 % de todas las conocidas). Los datos fueron puestos a disposición de todos los laboratorios del mundo en el AlphaFold Protein Structure Database y el logro fue destacado por la revista 'Science' como descubrimiento científico de ese año. Edith Heard, directora del Laboratorio Europeo de Biología Molecular, declaró que el logro era «una auténtica revolución para las ciencias de la vida, como lo fue la genómica hace décadas».

Hinton, LeCun y Bengio fueron reconocidos en 2018 con el Premio Turing, algo así como el 'Nobel de la computación'.

Add new comment

The content of this field is kept private and will not be shown publicly.
Para el envío de comentarios, Ud. deberá rellenar todos los campos solicitados. Así mismo, le informamos que su nombre aparecerá publicado junto con su comentario, por lo que en caso que no quiera que se publique, le sugerimos introduzca un alias.

Normas de uso:

  • Las opiniones vertidas serán responsabilidad de su autor y en ningún caso de www.madrimasd.org,
  • No se admitirán comentarios contrarios a las leyes españolas o buen uso.
  • El administrador podrá eliminar comentarios no apropiados, intentando respetar siempre el derecho a la libertad de expresión.
CAPTCHA
Enter the characters shown in the image.
Esta pregunta es para probar si usted es un visitante humano o no y para evitar envíos automáticos de spam.