Este año, los Premios Nobel han destacado los avances en el campo de la Inteligencia Artificial (IA), reconociendo a científicos que han revolucionado disciplinas clave como la física y la química.

Geoffrey Hinton, considerado el “padrino de la IA”, ha sido galardonado con el Premio Nobel de Física 2024, mientras que Demis Hassabis y John Jumper, científicos de Google DeepMind, han compartido el Premio Nobel de Química por su revolucionario trabajo en la predicción de estructuras proteicas mediante IA.

Geoffrey Hinton y John Hopfield: Nobel de Física por avances en IA

Geoffrey E. Hinton, pionero del Aprendizaje Profundo, compartirá el prestigioso Nobel de Física con John J. Hopfield, creador de las redes neuronales que han sido la base del aprendizaje automático moderno. Su trabajo, que data de las décadas de 1980 y 1990, ha permitido el desarrollo de los modelos de IA más avanzados que hoy son utilizados en diversos campos, desde la medicina hasta la tecnología de consumo.

Hinton ha sido clave en el desarrollo de la retropropagación, un algoritmo que permite que las redes neuronales aprendan de manera eficiente. Aunque Hinton se ha convertido en una figura controversial y catastrofista al expresar su preocupación por los riesgos que presenta el rápido avance de la IA, su trabajo ha sido esencial para la tener lo que hoy conocemos como IA y su expansión en la vida cotidiana.

El comité del Nobel destacó cómo las técnicas estadísticas basadas en la física han permitido a los sistemas de IA mejorar continuamente. “Sus contribuciones han sido esenciales para el Aprendizaje Automático en redes neuronales artificiales”, señaló el comunicado oficial.

Nobel de Química para científicos de Google DeepMind

Demis Hassabis y John Jumper, junto con David Baker de la Universidad de Washington, han sido premiados con el Nobel de Química por resolver un problema que llevaba 50 años sin solución: predecir la estructura tridimensional de las proteínas a partir de sus secuencias de aminoácidos. A través del sistema AlphaFold, desarrollado por DeepMind, han transformado la biología estructural, facilitando el descubrimiento de fármacos y la comprensión de enfermedades.

Su trabajo ha permitido predecir la estructura de casi 200 millones de proteínas conocidas, mejorando la comprensión de la resistencia a los antibióticos y facilitando la creación de enzimas capaces de descomponer plásticos.

Hassabis, cofundador de DeepMind, y Jumper han liderado investigaciones que amplían el uso de la IA en áreas más allá de los juegos o la tecnología de consumo, presionando para su aplicación en biología y química. “Estamos ante una era dorada donde la IA será clave en los grandes descubrimientos”, comentó Jumper tras recibir el galardón.

La era dorada para la Inteligencia Artificial

Estos premios destacan el impacto creciente de la Inteligencia Artificial en la ciencia moderna. Aunque los logros son impresionantes, tanto Hinton como Hassabis advierten sobre los riesgos potenciales de esta tecnología. “Deberíamos estar emocionados, pero también ser cautelosos”, afirmó Hassabis al referirse al futuro de la IA.

Los premios Nobel de 2024 marcan un momento histórico para la Inteligencia Artificial, demostrando ser una tecnología transformadora en disciplinas tan diversas como la física y la química, y abriendo nuevas posibilidades para el futuro de la ciencia y la medicina.

Los adolescentes con adicción a Internet sufren cambios en el cerebro, los cuales podrían conducir a otras conductas y tendencias adictivas, así como cambios de comportamiento relacionados con la salud mental, el desarrollo, la capacidad intelectual y la coordinación física, revela un nuevo estudio publicado por la revista científica Plos Mental Health.

Dentro de las consecuencias a la alta exposición a Internet se asocian interrupciones en la señalización de las regiones del cerebro que participan en múltiples redes neuronales, las cuales desempeñan un papel clave en el control de la atención, la capacidad intelectual, la memoria de trabajo, la coordinación física y el procesamiento emocional, que influyen en la salud mental.

Para el estudio se realizó una búsqueda sistemática de imágenes diagnósticas y otros documentos relacionados a la exposición a Internet entre enero de 2013 y abril de 2023 en adolescentes de entre 10 y 19 años de edad.

Lee más: “Redes sociales son un peligro de salud pública”: alcalde de Nueva York

Con la búsqueda realizada en las bases de datos seleccionadas, se identificaron 12 estudios de neuroimagen de adolescentes con adicción a Internet en Asia. En los documentos se examinaron los cambios en la conectividad entre las redes cerebrales, que actúan en conjunto para regular comportamientos y desarrollos importantes en los adolescentes.

Las redes afectadas específicamente fueron la red neuronal por defecto, el sistema de control ejecutivo, la red de prominencia y la vía de recompensa. Estas redes son componentes vitales del comportamiento y el desarrollo de los adolescentes, cuyo cerebro continúa en desarrollo.

Cuando los adolescentes con adicción a Internet realizaban actividades controladas por la red de control ejecutivo del cerebro, como aquellas que requieren atención, planificación, toma de decisiones y, especialmente, impulsividad, las regiones cerebrales encargadas mostraban una interrupción significativa en su capacidad para trabajar en conjunto, en comparación con jóvenes de la misma edad sin adicción a Internet.

Dichos cambios hacen que este tipo de comportamientos sean cada vez más difíciles de realizar, lo que potencialmente podría afectar el desarrollo y el bienestar de la persona.

No obstante, como afirman los autores, “las respuestas actuales sólo pintan un cuadro incompleto que no necesariamente describe el uso de Internet como abrumadoramente positivo o negativo”.

Sin embargo, sí se pone sobre la mesa la necesidad de realizar más estudios que incluyan a más adolescentes de diferentes regiones del mundo para ayudar a determinar las consecuencias de la adicción a Internet y cómo impacta el desarrollo del cerebro y a su vez los comportamientos de las personas.

Qualcomm y Google Cloud anunciaron que se aventurarán juntos en la búsqueda de arquitectura neuronal (NAS) para crear y optimizar modelos de Inteligencia Artificial (IA) de manera automática.

Su colaboración se centrará en el desarrollo de la plataforma Vertex AI NAS, que aprovechará el motor de IA de Qualcomm y será administrada por Google Cloud. El primer paso será integrar NAS en el nuevo chip Snapdragon 8 y luego en el portafolio de Qualcomm.

La búsqueda de la arquitectura neuronal se propone descubrir cuál es la mejor estructura para desarrollar una red neuronal que atienda una necesidad específica, imitando el funcionamiento de las redes neuronales de los organismos vivos.

En la NAS, se utilizan diferentes herramientas para probar y evaluar varias arquitecturas de redes neuronales en un espacio de búsqueda, con el fin de seleccionar la que mejor se adapte a los objetivos trazados.

La NAS es un subcampo del Aprendizaje Automático, una rama de la IA, que ha ganado popularidad para incrementar la optimización y el rendimiento en diferentes industrias. Google Cloud y Qualcomm quieren colaborar en la búsqueda de arquitectura neuronal para mejorar el funcionamiento de su tecnología.

En el caso de Qualcomm, su meta es crear y optimizar nuevos modelos de IA con alta precisión y baja latencia en pocas semanas, en lugar de meses, para aplicarlos en dispositivos con bajo consumo de energía, imágenes médicas, automóviles conectados y dispositivos móviles.

También lee: Google y Qualcomm facilitan actualización de Inteligencia Artificial en Android

Por otro lado, Google Cloud integrará la plataforma Vertex IA NAS en el kit de desarrollo de software de procesamiento neuronal de Qualcomm para el acceso de los desarrolladores, y ayudará a esta compañía a integrar la arquitectura neuronal en sus chips y plataformas de Internet de las cosas.

Qualcomm destacó que la colaboración le permitirá impulsar la conexión del perímetro inteligente conectado y ofrecer servicios de NAS en sus chips usando la tecnología de Google Cloud, convirtiéndose en la primera compañía en trabajar con Google en NAS.

Investigadores del MIT y de la Universidad de Harvard en Estados Unidos desarrollaron una red neuronal que puede procesar datos y, a su vez, medir el nivel de confianza del modelo de Inteligencia Artificial (IA) en función de la calidad de los datos disponibles.

Las redes neuronales de aprendizaje profundo se están integrando rápidamente en la toma de decisiones de sectores críticos para la salud y seguridad humana, como el diagnóstico médico y la conducción autónoma. 

Esta tecnología permite analizar una gran cantidad de datos y reconocer patrones para generar una predicción o diagnóstico. 

Muchas veces se duda del nivel de confianza de los sistemas de redes neuronales. Por ello, los científicos integraron un método de estimación llamado “regresión evidencial profunda”, el cual permite tener resultados más seguros. 

“Necesitamos la capacidad no solo de tener modelos de alto rendimiento, sino también de comprender cuándo no podemos confiar en esos modelos“, dice Amini, un estudiante de doctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT.

Para estimar el nivel de confianza, los investigadores elaboraron una red de producción masiva, la cual genera una decisión y una nueva distribución probabilística que captura la evidencia para apoyar dicha elección.

Estas distribuciones, denominadas distribuciones probatorias, capturan directamente la confianza del modelo en su predicción. 

También incluye cualquier incertidumbre presente en los datos de entrada, así como en la decisión final del modelo de IA. La distinción puede indicar si la falta de certeza de una decisión se puede reducir ajustando la red neuronal en sí, o si los datos de entrada son de mala calidad.

Las redes neuronales, impulsadas por la Inteligencia Artificial (IA), están diseñadas para incorporar las funcionalidades del cerebro humano a través de una variedad de tecnologías de aprendizaje profundo, y para resolver problemas complejos de reconocimiento de patrones o procesamiento de señales.

El crecimiento del mercado de redes neuronales está impulsado por el incremento de la demanda de soluciones basadas en la nube, la demanda de datos espaciales y herramientas analíticas, y el aumento de las soluciones de predicción del mercado.

De acuerdo con Markets Gazette, el segmento de software dominó en 2017, con alrededor de 66 por ciento de participación en los ingresos del mercado global. Esto se atribuye a la mejora de la infraestructura de TI y al aumento de los gastos relacionados con la nube para atender a los mercados sin explotar entre las naciones en desarrollo.

Un informe de Allied Market Research proyecta que para 2023, el mercado de redes neuronales llegará a 38 mil 719 millones de dólares, creciendo a una tasa compuesta anual de 28 por ciento de 2017 a 2023.

Y para 2025, Markets Gazette estima que el mercado global de redes neuronales llegue a los 45 mil 800 millones de dólares.

Los servicios bancarios, financieros y de seguros (BFSI) representan el segmento de mercado más atractivo que se espera que cree oportunidades lucrativas para los actores de la industria.