Los científicos Geoffrey Hinton, Yann LeCun, Yoshua Bengio y Demis Hassabis han sido galardonados por sus desarrollos en redes neuronales que imitan el funcionamiento del cerebro humano. Se aplican en campos tan diversos como la robótica, el reconocimiento de voz, la traducción automática de idiomas o la predicción de estructuras proteicas.

Geoffrey Hinton, Yann LeCun, Yoshua Bengio y Demis Hassabis, galardonados con el Premio Princesa de Asturias de Investigación Científica y Técnica 2022. / FPA/Universidad de Toronto-Johnny Guatto/Universidad de California/TEDxMontréal/Royal Society Este año el Premio Princesa de Asturias de Investigación Científica y Técnica ha recaído en cuatro investigadores expertos en inteligencia artificial: Geoffrey Hinton, Yann LeCun, Yoshua Bengio y Demis Hassabis.

Hinton, LeCun y Bengio son considerados los padres de una técnica esencial de la inteligencia artificial, el deep learning o aprendizaje profundo, basado en el uso de redes neuronales para el reconocimiento de voz, la visión por ordenador y el procesamiento del lenguaje natural.

Las redes neuronales desarrolladas por los premiados pretenden imitar el funcionamiento del cerebro humano mediante algoritmos, que convierten el proceso biológico del aprendizaje en secuencias matemáticas

Estas redes neuronales pretenden imitar el funcionamiento del cerebro humano mediante algoritmos que convierten el proceso biológico del aprendizaje en secuencias matemáticas. Se trata de que la máquina aprenda de su propia experiencia. Con esta tecnología se han logrado avances en campos tan diversos como la percepción de objetos y la traducción automática.

En 1986, Hinton inventó los algoritmos de retropropagación, fundamentales para el entrenamiento de redes neuronales. Con ellos, en 2012 consiguió crear una red neuronal convolucional 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 cocreación de la máquina de Boltzmann, la máquina de Helmholtz y el llamado producto de expertos. 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 vectorial para procesar y representar la información visual en una red neuronal, que aún está en fase de desarrollo.

Reconocimiento de caracteres y textos
En cuanto a 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.

Después 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 ha hecho contribuciones clave en modelos probabilísticos de secuencias, utilizados también para el reconocimiento de voz y de escritura y en aprendizaje no supervisado. Actualmente, estudia 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.

Por su parte, Hassabis 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. Con DeepMind este empresario británico ha creado un modelo de red neuronal que combina las capacidades de una red neuronal artificial con la potencia algorítmica de un ordenador programable.

En 2021 el equipo de DeepMind logró predecir con gran exactitud la estructura de más de 350.000 proteínas humanas, el 44 % de todas las conocidas La compañía de Hassabis ha unido los progresos hechos en machine learning con los procesos de deep learning y el llamado aprendizaje de refuerzo para crear 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.

“Es para mí un gran honor recibir el prestigioso Premio Princesa de Asturias junto con algunos de mis brillantes colegas científicos, y en nombre de mi increíble equipo, quienes han ayudado a mejorar la vida de las personas y a aumentar nuestra comprensión del mundo a través de la invención de estas nuevas tecnologías innovadoras”, ha señalado Hassabis tras conocer que había sido uno de los galardonados.

Fuente: Fundación Princesa de Asturias