El anuncio del Premio Nobel de Física, otorgado a John J. Hopfield y Geoffrey E. Hinton por sus contribuciones que han posibilitado el aprendizaje automático y las redes neuronales, ha generado una interesante discusión en los círculos académicos. El británico Hinton, conocido como el padrino de la Inteligencia Artificial, ya había sido galardonado en 2018 con el Premio Turing por sus aportes a las redes neuronales profundas. Recientemente, en 2023, renunció a Google para hablar con mayor libertad sobre los riesgos y desafíos que, en su opinión, plantean las nuevas tecnologías de inteligencia artificial. Por su parte, Hopfield es reconocido por haber desarrollado una de las primeras redes neuronales artificiales recurrentes, con las que introdujo conceptos que permiten el funcionamiento de una memoria asociativa, una capacidad esencial en las redes neuronales modernas.
Sin embargo, no pocos académicos del ámbito científico se quedaron con la sensación de que los trabajos premiados no corresponden a una contribución directa y significativa a la física como cuerpo de conocimiento. Esta percepción probablemente tiene su origen en el contraste con los premios Nobel de Física de años anteriores, que han reconocido descubrimientos en temas como la detección de ondas gravitacionales, la demostración de la violación de las desigualdades de Bell, la comprensión de la formación de agujeros negros o las transiciones de fase topológicas, todas áreas más cercanas al estudio tradicional de los fenómenos físicos fundamentales.
El argumento del Comité Nobel para la selección de los premiados este año se centra en cómo, a partir del uso de formalismos y metodologías propios de la física, se lograron avances fundamentales en algoritmos de aprendizaje automático y redes neuronales. En el caso de Hopfield, sus redes neuronales imitan principios físicos, especialmente aquellos que describen las propiedades de espín en ciertos materiales, donde los sistemas tienden a minimizar la energía colectiva. Aplicando esta idea, Hopfield definió funciones de peso en las conexiones de sus redes neuronales, optimizando los procesos para la identificación de patrones en conjuntos de datos. Luego, Hinton amplió este enfoque al aplicar conceptos de termodinámica a las redes de Hopfield, desarrollando máquinas de Boltzmann, que son redes neuronales recurrentes estocásticas, esenciales para el aprendizaje automático. En este sentido, los conceptos físicos fueron cruciales para estos desarrollos en inteligencia artificial.
Este logro representa, sin duda, un hito gigante que está impactando significativamente nuestras vidas en diversos aspectos. Nadie duda de la magnitud de los aportes de Hopfield y Hinton, y menos aún se cuestiona que merecen los más altos reconocimientos. Sin embargo, el hecho de que se les haya otorgado el Premio Nobel de Física en particular ha suscitado dudas, y tal vez, una reflexión más amplia. Posiblemente, este tipo de cuestionamientos también surgiría si sus trabajos fueran reconocidos en otras categorías de los premios Nobel, ya que las fronteras de las disciplinas son cada vez más difusas.
¿Es, entonces, hora de actualizar las categorías de los premios Nobel? ¿Cubren las categorías actuales todas las áreas del saber contemporáneo, sus alcances y su capacidad de transformar nuestro mundo? Quizás los nuevos aportes al conocimiento, que están transformando el saber humano y las formas de generarlo, necesitan nuevos escenarios de reconocimiento.