A+ A-


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


 

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 biológicollamada 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.


¿Te ha gustado este artículo? Compártelo en las redes sociales: