La Real Academia de las Ciencias de Suecia ha concedido conjuntamente el Premio Nobel de Física 2024 a John J. Hopfield y Geoffrey E. Hinton, por investigaciones realizadas en los años 1980 que constituyen la infraestructura algorítmica de los sistemas actuales de aprendizaje automático.
Fuente: nobelprize.org
En claro
El Nobel de Física 2024 premia a dos investigadores que tomaron prestadas las herramientas de la física para hacer que las máquinas procesaran información. John Hopfield se inspiró en el comportamiento de los espines atómicos: su red "desciende" hacia el estado de menor energía, como una canica que rueda hasta el fondo de un cuenco, lo que le permite recuperar una imagen a partir de una versión dañada. Geoffrey Hinton añadió la parte de azar de la física estadística: su máquina de Boltzmann detecta por sí sola los motivos que se repiten en grandes cantidades de datos. Son estas dos ideas de los años 1980, y no un resultado reciente, las que forman la primera capa de lo que hoy se llama aprendizaje profundo.
El premio en resumen
| Parámetro | Valor |
|---|---|
| Distinción | Premio Nobel de Física 2024 |
| Institución | Real Academia de las Ciencias de Suecia |
| Atribución | Conjunta |
| Galardonados | John J. Hopfield y Geoffrey E. Hinton |
| Periodo de los trabajos | Años 1980 |
| Motivo | Uso de las leyes de la física para modelizar el tratamiento de la información |
| Aportación de Hopfield | Red de Hopfield, basada en la física de los espines atómicos |
| Aportación de Hinton | Máquina de Boltzmann, basada en la física probabilística (mecánica estadística) |
| Alcance | Infraestructura algorítmica de los sistemas actuales de aprendizaje automático |
| Fuente primaria | Comunicado oficial, NobelPrize.org |
Las dos contribuciones
1. La red de Hopfield — la memoria como minimización de energía. John Hopfield concibió un modelo, hoy llamado red de Hopfield, basado en la física de los espines atómicos y destinado a la reconstrucción asociativa de datos. Al simular la minimización de la energía en sistemas físicos complejos, estas "redes neuronales" corrigen distorsiones en las imágenes.
2. La máquina de Boltzmann — la física probabilística al servicio de las características. Apoyándose en esos trabajos, Geoffrey Hinton integró la física probabilística (mecánica estadística) para producir lo que se llama la máquina de Boltzmann. Este sistema permite la identificación autónoma de características estructurales aisladas dentro de grandes volúmenes de datos, por ejemplo elementos característicos en imágenes, convirtiéndose en el estrato inicial que conduce a la disciplina del "Deep Learning" (aprendizaje profundo) tal como la explota la informática moderna.
Los dos modelos frente a frente
| Criterio | Red de Hopfield | Máquina de Boltzmann |
|---|---|---|
| Autor | John J. Hopfield | Geoffrey E. Hinton |
| Física movilizada | Física de los espines atómicos | Física probabilística (mecánica estadística) |
| Principio | Minimización de la energía en sistemas físicos complejos | Identificación autónoma de características estructurales |
| Uso demostrado | Reconstrucción asociativa de datos, corrección de distorsiones en imágenes | Detección de elementos característicos dentro de grandes volúmenes de datos, por ejemplo en imágenes |
| Filiación | Punto de partida | Se apoya en los trabajos de Hopfield; estrato inicial del "Deep Learning" |
Cadena causal
Física de los espines atómicos y mecánica estadística → modelo de Hopfield (años 1980), que simula la minimización de la energía → reconstrucción asociativa y corrección de distorsiones en imágenes → integración de la física probabilística por Hinton → máquina de Boltzmann e identificación autónoma de características → estrato inicial del "Deep Learning" → infraestructura algorítmica de los sistemas actuales de aprendizaje automático → Premio Nobel de Física 2024, concedido conjuntamente por la Real Academia de las Ciencias de Suecia.
Fuentes
Referencias verificadas durante la auditoría factual de agosto de 2026: son las páginas
con las que se confrontaron las afirmaciones de este boletín.