Evelyn C. Ayala5/noviembre/2024
El pasado 22 de octubre se llevó a cabo la mesa redonda “Premio Nobel de Física 2024: De la física a las redes neuronales artificiales”, dado que el Premio Nobel de Física 2024 fue otorgado a los investigadores John J. Hopfield y Geoffrey E. Hinton, “por sus descubrimientos e invenciones fundamentales que permiten el aprendizaje automático con redes neuronales artificiales”, de acuerdo con la Real Academia Sueca de Ciencias.
En el evento participaron los investigadores: J. Guadalupe Pérez (Xim Bokhimi) y Huziel Sauceda, adscritos al departamento de Materia Condensada; Arnulfo Martínez, del departamento de Física Experimental; y José Luis Mateos, del departamento de Sistemas Complejos.
Fue el investigador Eric Vázquez, del departamento de Física Nuclear y Aplicaciones de la Radiación, quien moderó la mesa redonda. Con un auditorio lleno de asistentes, Vázquez dijo: “Para dar inicio a la mesa, me gustaría comentar algo que dijo Geoffrey Hinton que es que este desarrollo va a ser como la Revolución Industrial pero en lugar de nuestras capacidades físicas va a superar nuestras capacidades intelectuales”.
Vázquez lanzó las primeras preguntas a los participantes: ¿Qué es el aprendizaje automatizado?, y ¿qué es una red neuronal artificial? “Es lo que en inglés se llama machine learning… Puedes hacer machine learning con o sin redes neuronales, por ejemplo, para clasificar objetos en muchas dimensiones con sus características, y entonces usas técnicas estadísticas para ver dónde están posicionados. Por ejemplo, dos animales con características muy diferentes o dos empresas o dos imágenes de medicina. Y entonces las clasificas con técnicas de clasificación” explicó Mateos.
Bokhimi, por su lado, ha propuesto una definición que, según indica, es apropiada para los estudiantes de física: “machine learning es un área del conocimiento que genera algoritmos que correlacionan las variables que definen el problema. Y luego ya vemos qué es inteligencia artificial (AI, por sus sigles en inglés): esta correlación entre las variables se logra partiendo de muchas observaciones, lo que muchos llaman “datos" y para nosotros en física son “mediciones” o “cálculos”, aseguró. Es decir, que con los cálculos es posible generar un modelo que aprende datos para predecir algún fenómeno y es hasta entonces que se le puede llamar inteligencia artificial”, dijo el investigador.
Por su parte, Martínez agregó que la inteligencia artificial permite ir de lo general a lo particular. “Esencialmente lo que a mí me gusta tiene que ver con toda esta tecnología que se usa para emular la inteligencia humana”. Sugirió, además, reflexionar sobre cuál es el significado de “inteligencia”, un concepto que ha evolucionado en el tiempo, aseguró.
Sí, coincidieron los investigadores. Pese a la controversia y el debate científico en torno al trabajo laureado este año, Bokhimi, Martínez, Mateos y Sauceda explicaron que el Premio Nobel otorgado a John Hopfield y Geoffrey Hinton se debe a la contribución que años atrás surgió en la física, particularmente en la física estadística.
“La inteligencia artificial había que premiarla. En el área de la inteligencia artificial hay muchos físicos y los físicos tienen una ventaja: no solo se dedican a la computación sino que buscan los elementos básicos y luego entenderlos”, aseguró Bokhimi. Mateos reconoció que Hopfield “es un físico de primer nivel, profesor de física, con muchos premios… Pero más allá de eso, lo que hizo Hinton es hacer básicamente física estadística, entonces a veces no se entiende bien, pero digamos, si vemos las cuatro materias básicas del currículo del posgrado, aquí en la UNAM, está la mecánica clásica, la electrodinámica, la mecánica cuántica y la física estadística, entonces es uno de los pilares de la física”, argumentó.
Coincidió Arnulfo Martínez en que parte del reconocimiento es para Hopfield por su amplia y diversa trayectoria. “Yo creo que la academia sueca manda un mensaje donde en realidad enfatiza lo que estas técnicas de lo que ahora conocemos como inteligencia artificial (de aprendizaje de máquina) le deben a la física estadística”, destacó.
Parte de la conversación de la mesa redonda se centró en el desarrollo de la inteligencia artificial en el mundo. Para Huziel Sauceda, México queda lejos de estar en los primeros lugares que aprovechan la inteligencia artificial y las técnicas que de ella se desprenden. “Desde el punto de vista de la física, creo que hay un montón de potencial, el cual no está siendo explotado a nivel global, en particular en México. Creo que estamos bastante por detrás de lo que se podría estar haciendo”, reflexionó el investigador, especialista en inteligencia artificial y redes neuronales.
Tanto Huziel Sauceda, Arnulfo Martínez, Xim Bokhimi y José Luis Mateos, son investigadores que utilizan la inteligencia artificial en sus quehaceres científicos. Sauceda aplica su conocimiento a sistemas atomísticos. “En el grupo, lo que hacemos es principalmente el desarrollo de potenciales interatómicos. Es decir, tenemos un material o un sistema molecular. Entonces nos interesa describir su dinámica, sus propiedades a temperatura finita incorporando propiedades cuánticas. Entonces lo que hacemos es desarrollar modelos ad hoc según el problema, porque yo, personalmente no creo en los sistemas generales”, asegura.
Mateos analiza un sistema complejo con base en física estadística, por ejemplo, para saber cómo se comporta una población cuando se desplaza por la ciudad. Gracias al machine learning, puede encontrar patrones de movilidad entre miles de datos similares y con ello puede saber cuántas personas se desplazan diariamente de la periferia a la ciudad o viceversa, por ejemplo.
“Yo lo pondría de regreso. Ahora ya que tenemos esto, lo usas como una herramienta muy poderosa, muy profunda para hacer física nueva. Igual que lo hicimos con el microscopio electrónico, que también tiene su Premio Nobel, entonces los físicos inventaron el microscopio electrónico y luego usaron el microscopio electrónico para hacer física”, aseveró Mateos.
Por otro lado, Bokhimi puede realizar cálculos moleculares e interacciones entre átomos y buscar potenciales de interacción gracias al uso del entrenamiento de datos. También puede aplicar la AI, “partiendo de patrones de difracción de rayos X, para obtener propiedades físicas de los átomos desde la distribución atómica, las simetrías o alguna otra propiedad”, aseguró.
Martínez utiliza el entrenamiento de datos en la física médica, para mejorar la calidad de las imágenes médicas que proveen de información valiosa al personal médico para un diagnóstico adecuado. “Lo que hice fue proponer un tema en el que yo en particular ya tenía experiencia que es desarrollar métodos de corrección, fenómenos físicos como absorción, dispersión en tomografía de haz cónico con rayos X, pero ahora abordándolo desde el punto de vista de las redes neuronales convolucionales”, explicó.
Para los investigadores y para los asistentes queda una incógnita sobre la inteligencia artificial: ¿se debe regular su uso? La respuesta podría provenir de una amplia discusión sobre en qué momentos debe o no regularse. Huziel Sauceda indica que “ahorita en México, sin temor a que me tiemble mucho la mano, somos importadores del 99 punto 9 por ciento de toda la tecnología de inteligencia artificial. El problema es que con las regulaciones en México, como se están planteando, ahorita es que no hay una masa crítica en el país de especialistas en el tema, tal que exista una voz fuerte para impulsar las tecnologías y qué es lo que se debe regular en este tipo de área”, expresó el investigador.
Bokhimi propone reflexionar un paso anterior a la regulación de la inteligencia artificial. “El conocimiento no se puede regular, se puede regular un poquito el comportamiento humano, pero al final la naturaleza humana es la naturaleza humana…yo creo que el problema no es la inteligencia artificial, no es un problema de física, es un problema de crear reglas para que la naturaleza humana no sea destructiva y siga construyendo”, aseguró Bokhimi.
Finalmente, la mesa redonda culminó con una reflexión sobre la necesidad de formar un grupo de investigación en la UNAM, y en el Instituto de Física, mismo que en el futuro dé lugar a un nuevo departamento de investigación referente a nivel nacional y mundial. Mientras tanto, los participantes continúan desarrollando investigación a partir de inteligencia artificial y próximamente estarán impartiendo cursos y talleres relacionados con el machine learning.
