Por Ricardo R. Contreras…
Entre el 8 y el 9 de octubre se anunciaron los galardonados con los premios Nobel de Física y Química de 2024, un acontecimiento que siempre atrae la atención debido al prestigio del premio y a la relevancia de las áreas de trabajo científico que son laureadas. Este año hay un denominador común entre los premios Nobel de Física y Química: ambos reconocen trabajos relevantes en el campo de la inteligencia artificial, lo cual está en sintonía con el fenómeno que ha cobrado relevancia en los últimos años: la popularización de la inteligencia artificial en todos los sectores de la sociedad, debido al acceso libre a estas tecnologías y su impacto global.
El premio Nobel de Física fue otorgado a John Hopfield, científico estadounidense de la Universidad de Princeton con un doctorado en Física, y a Geoffrey Hinton, científico británico-canadiense con un doctorado en Inteligencia Artificial, adscrito a la Universidad de Toronto. Por otro lado, el Nobel de Química fue compartido por David Baker, científico estadounidense con un doctorado en Bioquímica, profesor en la Universidad de Washington; Demis Hassabis, investigador británico con un doctorado en Neurociencia Cognitiva, cofundador de la empresa de investigación en inteligencia artificial Google DeepMind; y John M. Jumper, científico estadounidense, investigador en Google DeepMind, con un doctorado en Química Teórica.
En este momento es importante recordar que la inteligencia artificial no es algo nuevo, desde la década de 1950 se ha desarrollado como una tecnología de frontera en el área computacional. Sin embargo, en los últimos lustros, a medida que el hardware y el software han experimentado avances significativos, la inteligencia artificial y sus aplicaciones han crecido. En este sentido, el campo de las ‘redes neuronales’ ha tomado protagonismo, ya que se puede decir que es el punto de partida para la construcción de la inteligencia artificial. Por esta razón, John Hopfield y Geoffrey Hinton comparten el premio Nobel de Física. En palabras sencillas, las redes neuronales, dentro del software de una computadora (un algoritmo), actúan como ‘neuronas artificiales’ y trabajan en conjunto para resolver problemas y aprender de la información. Al igual que cuando nosotros pensamos y aprendemos de nuestras experiencias, estas neuronas artificiales utilizan matemáticas para entender datos y mejorar en lo que hacen. En la inteligencia artificial, estas redes se utilizan para que las máquinas procesen información y generen decisiones basadas en patrones aprendidos de los datos. Por ejemplo, cuando un teléfono reconoce una cara en una fotografía o cuando una aplicación traduce un idioma, están utilizando redes neuronales para entender y procesar esos datos.
Sobre la base de las redes neuronales y de acuerdo a la Fundación Nobel, “John Hopfield creó una memoria asociativa que puede almacenar y reconstruir imágenes y otros tipos de patrones en los datos. Geoffrey Hinton inventó un método que puede encontrar propiedades en los datos de forma autónoma y, por lo tanto, realizar tareas como identificar elementos específicos en imágenes” (1). Se puede decir que ambos son reconocidos pioneros del área y su contribución, como en el caso de Hopfield que fue cofundador de un programa de posgrado en sistemas de computacionales y redes neurales, e ideó un modelo de red neuronal, denominada “red Hopfield”. Mientras que Geoffrey Hinton desarrolló, sobre la base de la red de Hopfield, la “máquina de Boltzmann”, una nueva red neuronal que aprende patrones en los datos mediante la simulación de un sistema físico, esto sería como una computadora que aprende observando muchos ejemplos y, como en un juego, cada vez que repite va mejorando. Practicando un paso a la vez, va entendiendo patrones o dibujos escondidos en los datos, como reconocer formas en fotografías.
Por su parte, los galardonados con el premio Nobel de Química, utilizando todas las herramientas desarrolladas en el campo de la inteligencia artificial, han conseguido aplicar esta tecnología al campo de las proteínas. Según la Fundación Nobel: “El Premio Nobel de Química 2024 se centra en las proteínas, las ingeniosas herramientas químicas de la vida. David Baker ha logrado la hazaña casi imposible de construir tipos de proteínas completamente nuevos. Demis Hassabis y John Jumper han desarrollado un modelo de inteligencia artificial para resolver un problema de hace 50 años: predecir las estructuras complejas de las proteínas. Estos descubrimientos tienen un enorme potencial” (2).
Las proteínas, dentro de las células, son fundamentales para muchas funciones biológicas, actuando como máquinas microscópicas que catalizan reacciones, transportan moléculas, y participan en otros procesos. La base de estas máquinas son veinte unidades de aminoácidos que se articulan como bloques de construcción, y se intercalan de distintas maneras dándole forma a las proteínas. Dependiendo de la forma que tenga una proteína cumple funciones específicas en la biología, razón por la cual comprender la forma en que se arreglan es fundamental. En el campo de la bioquímica, desde hace varias décadas, se han estudiado las formas y las funciones de las proteínas, pero nunca se había utilizado la inteligencia artificial para abordar este tema. Esta fue la originalidad de la visión de David Baker que, haciendo uso de esta tecnología, fue capaz de estudiar la estructura de una gran cantidad de proteínas utilizando la plataforma Rosetta@home (3). Pero Baker fue capaz de dar un paso más allá, y recrear una nueva proteína diseñada según un orden preestablecido artificialmente, y que alcanzó una forma nunca antes vista, es decir, produjo una “proteína artificial”. Esto abrió todo un abanico de posibilidades pues, al poder predecir la estructura de una proteína y llegar a sintetizarla, se abrió la puerta al desarrollo de nuevas sustancias con potencial aplicación no solo en el campo de la química sino también en la medicina y muchas otras áreas que tienen impacto en vida diaria de las personas.
En esta misma línea de investigación, encontramos los trabajos de Demis Hassabis y John Jumper, quienes, desde la empresa Google DeepMind (4) (que comenzó siendo Deepmind y fue adquirida en por Google) han conseguido desarrollar el programa de inteligencia artificial AlphaFold (5), el cual permite estudiar la estructura de las proteínas para predecir la forma exacta en la que se doblan. Esto ayuda a los científicos a descubrir el funcionamiento de las proteínas y usarlas para crear nuevos medicamentos o entender enfermedades.
Como se puede apreciar, la inteligencia artificial, desde sus principios fundamentales en las redes neuronales hasta sus aplicaciones en el campo de la bioquímica, ha sido reconocida por el jurado que, a expensas de la Real Academia Sueca de Ciencias, ha otorgado los premios Nobel de Física y Química de 2024. Este hecho se traduce en un reconocimiento al impacto que la inteligencia artificial está teniendo en la sociedad y, en este caso, en el campo científico. Ahora bien, podemos concluir que queda mucho camino por recorrer, las potencialidades de la inteligencia artificial son enormes, y en este mismo orden los retos científicos y tecnológicos, pero también los éticos. El gran poder que se desprende de la inteligencia artificial implica importantes responsabilidades en la toma de decisiones, especialmente cuando se plantee hasta dónde podemos llegar con las aplicaciones de esta tecnología. El principio de precaución nos invita a tener cuidado, pues como muchas otras tecnologías que hemos visto crecer en los últimos lustros (ingeniería genética, biotecnología, etc.), han significado para la sociedad grandes retos éticos que deberán ser afrontados por la inteligencia natural que caracteriza a la humanidad. Por lo tanto, el verdadero desafío radica en encontrar un equilibrio entre innovación y ética, asegurando que la inteligencia artificial sirva al bien común.
Fuentes citadas:
(1) https://www.nobelprize.org/prizes/physics/2024/press-release/
(2) https://www.nobelprize.org/prizes/chemistry/2024/press-release/
(3) https://boinc.bakerlab.org/
(5) https://deepmind.google/technologies/alphafold/
Nota: la imagen que acompaña al artículo fue generada por inteligencia artificial mediante DALL·E (OpenAI)
20-10-2024
