Artificial intelligence, antes considerado un terreno de ciencia ficción, ocupó su lugar en la cima del logro científico en Suecia.
Legado de Hopfield y los Fundamentos de las Redes Neuronales
En la década de 1980, Hopfield, un físico con una habilidad especial para formular grandes preguntas, aportó una nueva perspectiva a las redes neuronales.
Introdujo paisajes de energía —tomados de la física— para explicar cómo las redes neuronales resuelven problemas encontrando estados estables y de baja energía. Sus ideas, abstractas pero elegantes, sentaron las bases para la inteligencia artificial mostrando cómo los sistemas complejos se optimizan a sí mismos.
Avanzando hacia principios de la década de 2000, Geoffrey Hinton —un psicólogo cognitivo británico con inclinación por ideas radicales— tomó el relevo. Hinton creía que las redes neuronales podrían revolucionar la IA, pero el entrenamiento de estos sistemas requería una enorme potencia computacional.
En 1983, Hinton y Sejnowski ampliaron el trabajo de Hopfield e inventaron la Máquina Boltzmann, que utilizaba neuronas binarias estocásticas para salir de mínimos locales. Descubrieron un procedimiento de aprendizaje elegante y muy simple basado en la mecánica estadística, que era una alternativa a la retropropagación.
En 2006, una versión simplificada de este procedimiento de aprendizaje demostró ser muy efectiva para inicializar redes neuronales profundas antes de entrenarlas con retropropagación. Sin embargo, el entrenamiento de estos sistemas seguía requiriendo una enorme potencia computacional.
AlphaFold: La Revolución de la IA en Biología
Una década después de AlexNet, la IA se trasladó a la biología. Hassabis y Jumper dirigieron el desarrollo de AlphaFold para resolver un problema que había desconcertado a los científicos durante años: predecir la forma de las proteínas.
Las proteínas son los bloques de construcción de la vida. Su forma determina lo que pueden hacer. Comprender estas formas es la clave para combatir enfermedades y desarrollar nuevos medicamentos. Sin embargo, encontrarlas era un proceso lento, costoso e incierto.
AlphaFold cambió eso. Utilizó las ideas de Hopfield y las redes de Hinton para predecir las formas de las proteínas con una precisión sorprendente. Impulsado por GPUs, mapeó casi todas las proteínas conocidas. Ahora, los científicos utilizan AlphaFold para combatir la resistencia a los medicamentos, desarrollar mejores antibióticos y tratar enfermedades que antes se consideraban incurables.
Lo que alguna vez fue el nudo gordiano de la biología ha sido deshecho —por la IA.
El Factor GPU: Habilitando el Potencial de la IA
Las GPUs, los motores indispensables de la inteligencia artificial moderna, están en el corazón de estos logros. Originalmente diseñadas para mejorar la apariencia de los videojuegos, las GPUs resultaron perfectas para las enormes demandas de procesamiento paralelo de las redes neuronales.
Las GPUs de NVIDIA, en particular, se convirtieron en el motor que impulsó avances como AlexNet y AlphaFold. Su capacidad para procesar enormes conjuntos de datos con una velocidad extraordinaria permitió que la IA abordara problemas de una escala y complejidad nunca antes posibles.
Redefiniendo la Ciencia y la Industria
Los avances ganadores del Nobel de 2024 no solo están reescribiendo los libros de texto —también están optimizando las cadenas de suministro globales, acelerando el desarrollo de medicamentos y ayudando a los agricultores a adaptarse a los cambios climáticos.
Los principios de optimización basados en energía de Hopfield ahora informan los sistemas logísticos impulsados por IA. Las arquitecturas de Hinton sustentan los coches autónomos y los modelos de lenguaje como ChatGPT. El éxito de AlphaFold está inspirando enfoques impulsados por IA en la modelización climática, la agricultura sostenible e incluso la ciencia de materiales.
El reconocimiento de la IA en física y química señala un cambio en cómo pensamos sobre la ciencia. Estas herramientas ya no están confinadas al ámbito digital. Están remodelando los mundos físico y biológico.
