John J. Hopfield

John J. Hopfield
Fecha de nacimiento	15 de julio de 1933
Lugar de nacimiento	Chicago, Estados Unidos
Campo	Física, Computación, Inteligencia artificial
Instituciones	Universidad de Princeton
Conocido por	sus estudios en el campo del aprendizaje automático de las máquinas, el llamado machine learning, que ha supuesto las bases de la inteligencia artificial.
Premios destacados	Premio Nobel de Física

John J. Hopfield. Es un científico estadounidense galardonado junto a Geoffrey Hinton con el Premio Nobel de Física 2024 por su trabajo en inteligencia artificial considerado la cumbre de los logros científicos.

Premio Nobel de Física 2024

“Aunque los ordenadores no pueden pensar, las máquinas pueden ahora imitar funciones como la memoria y el aprendizaje. Los galardonados de este año en Física han contribuido a hacerlo posible. ”Comité del Nobel

“Utilizando conceptos y métodos fundamentales de la física, han desarrollado tecnologías que utilizan las estructuras de las redes para procesar la información”

.

Los dos Premios Nobel de Física de este año se apoyaron en herramientas de la propia física para desarrollar métodos que son la base del aprendizaje automático de máquinas. Hopfield creó una memoria asociativa ya en 1982 que podía almacenar y reconstruir imágenes y otros tipos de patrones en los datos. Por su parte, Hinton inventó un método que permite a una máquina encontrar propiedades en los datos de forma autónoma y, por lo tanto, realizar tareas como identificar elementos específicos en imágenes. Su obsesión fue siempre estudiar cómo funciona el cerebro para tratar de replicar esos mecanismos en los ordenadores, acuñando ya en 1972 el concepto de red neuronal.

Una de estas redes lleva el nombre de Hopfield, su creador. La red Hopfield usa la parte de la física que describe las características de un material debido a su espín, una propiedad que convierte a cada átomo en un pequeño imán. La red en su conjunto equivaldría a la energía en el sistema de espín encontrado en la física. Su entrenamiento se basa en encontrar valores para las conexiones entre los distintos nodos, de modo que las imágenes guardadas tengan baja energía. Cuando el sistema recibe una imagen distorsionada o incompleta, trabaja metódicamente a través de los nodos, actualiza sus valores. De este modo, la red trabaja paso a paso para encontrar la imagen guardada que se parezca más a la imagen imperfecta con la que se la alimentó.

Fuente

• www.granma.cuConsultado 11 de octubre de 2024.
• elpais.com. Consultado 11 de octubre de 2024.