Los impulsores de la inteligencia artificial, Princesa de Asturias de Investigación 2022
Geoffrey Hinton, Yann LeCun, Yoshua Bengio y Demis Hassabis han conseguido impulsar en los últimos años las redes neuronales
Geoffrey Hinton, Yann LeCun, Yoshua Bengio y Demis Hassabis | Fundación Princesa de Asturias
Los científicos expertos en inteligencia artificial Geoffrey Hinton, Yann LeCun, Yoshua Bengio y Demis Hassabis han sido galardonados este miércoles en Oviedo con el Premio Princesa de Asturias de Investigación Científica y Técnica 2022, al que optaban 47 candidaturas de 16 nacionalidades.
Estos cuatro expertos han conseguido impulsar en los últimos años las redes neuronales, herramientas basadas en complejos modelos matemáticos que pretenden reproducir el funcionamiento del cerebro humano en un ordenador y que se aplican en robótica, sistemas de seguridad de vehículos, asistentes de voz o traducción de idiomas.
Hinton (británico), LeCun (franco-estadounidense) y Bengio (canadiense) son considerados los padres de una técnica esencial de la inteligencia artificial, el ‘deep learning’ o aprendizaje profundo, el cual se basa en el uso de redes neuronales para el reconocimiento de voz, la visión por ordenador y el procesamiento del lenguaje natural.
Por su parte, Hassabis (británico) es el máximo directivo y cofundador de DeepMind, una de las mayores compañías de investigación en inteligencia artificial del mundo, con la que ha creado un modelo de red neuronal que combina las capacidades de una red neuronal artificial con la potencia algorítmica de un ordenador programable.
Para el jurado, el «impacto actual y futuro» de estas investigaciones y desarrollos «en el progreso de la sociedad puede ser calificado de extraordinario», puesto que aportaciones suponen un gran avance en técnicas tan diversas como el reconocimiento de voz, el procesamiento del lenguaje natural, la percepción de objetos, la traducción automática, la optimización de estrategias, el análisis de la estructura de las proteínas o el diagnóstico médico, entre muchas otras.
Las redes neuronales desarrolladas utilizadas para el aprendizaje profundo pretenden imitar el funcionamiento del cerebro humano, utilizando algoritmos que convierten el proceso biológico del aprendizaje en secuencias matemáticas, con el objetivo de que la máquina aprenda de su propia experiencia.
Hinton inventó en 1986 los algoritmos de retropropagación, fundamentales para el entrenamiento de redes neuronales y con los que en 2012 consiguió crear una red compuesta por 650.000 neuronas y entrenada con 1,2 millones de imágenes, que registró tan solo un 26 por ciento de errores en el reconocimiento de objetos y redujo a la mitad el porcentaje de sistemas anteriores.
Este científico ha contribuido con varias máquinas al desarrollo y entrenamiento de las redes neuronales y el pasado año 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 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, y también trabajó en métodos de aprendizaje profundo para el reconocimiento de documentos, la interacción humano-computadora y el reconocimiento de voz.
Su colega Bengio, que ha hecho contribuciones clave en modelos probabilísticos de secuencias, utilizados para el reconocimiento de voz y de escritura y en aprendizaje no supervisado, estudia en estos momentos algoritmos más eficientes en representaciones de datos, extrayendo reconocimiento de patrones y también permitiendo el entendimiento de relaciones más complejas y conceptos de alto nivel.
Todos estos progresos han confluido en la empresa DeepMind, liderada por Hassabis, para el desarrollo de 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 por ciento de todas las conocidas, unos datos que fueron puestos a disposición de todos los laboratorios del mundo a través de una base de datos.
Este logro, que fue destacado por la revista Science como Descubrimiento Científico del año, ha sido «una auténtica revolución para las ciencias de la vida, como lo fue la genómica hace décadas», según afirmó la directora del Laboratorio Europeo de Biología Molecular, Edith Heard.
