Geoffrey Hinton (Londres, 1947), catedrático del departamento de Ciencias de la Computación de la Universidad de Toronto, es también vicepresidente e investigador en Ingeniería de Google, que le contrató en 2013 poco después de que los programas para reconocimiento de imágenes y de voz que él y su grupo habían desarrollado resultaran mucho mejores que los utilizados hasta entonces. Desde entonces, la investigación de Hinton ha impulsado el desarrollo acelerado de aplicaciones de inteligencia artificial que ya empiezan a llegar al mercado: desde programas de traducción automática y clasificación de fotos, a los sistemas de reconocimiento de voz, los asistentes personales como Siri y los coches sin conductor. También hay aplicaciones en investigación biomédica –análisis de imágenes médicas para diagnosticar si un tumor provocará metástasis y búsqueda de moléculas eficaces para el desarrollo de fármacos-, y en general en todas las áreas de investigación donde haga falta identificar y extraer información relevante a partir de gran cantidad de datos.

Para los miembros del jurado Ramón López de Mántaras y Regina Barzilay, el trabajo de Hinton ha iniciado una “revolución” científica y tecnológica que tiene “asombrada” a la propia comunidad de investigación en inteligencia artificial, que no había anticipado una evolución tan rápida del sector.

El área impulsada por el trabajo de Hinton se denomina ‘deep learning’ o ‘aprendizaje profundo’, y es “uno de los desarrollos más emocionantes de la moderna inteligencia artificial”, afirma el jurado. El deep learning se inspira en la manera en que se cree que funciona el propio cerebro, y en especial en dos características: procesa la información de manera distribuida, con muchas neuronas conectadas en red, y aprendiendo a partir de ejemplos. El equivalente computacional es emplear las llamadas redes neuronales –programas que hacen las veces de neuronas y que están conectados entre sí–  y, como afirma el propio Hinton, “enseñarles a aprender”.

“La máquina que mejor aprende es el cerebro humano. El cerebro tiene miles de millones de neuronas, y aprende al reforzar las conexiones entre ellas. Así que una manera de conseguir que un ordenador aprenda, es intentar que una máquina actúe como si fuera una red neuronal, y descubrir una regla o mecanismo que refuerce las conexiones entre neuronas. De esta forma, podemos intentar que el ordenador aprenda de la misma manera que el cerebro”, explica Hinton.

La estrategia del ‘deep learning’, según explica el científico premiado, se basa en presentarle a la máquina ejemplos o ‘inputs’, y los ‘outputs’ que se desean obtener. “Después intentas reforzar las conexiones en esa red neuronal artificial, y así consigues que cuando introduces un ‘input’, la máquina te da la respuesta que buscas”, afirma Hinton. La investigación del científico galardonado se ha centrado precisamente en intentar averiguar cuáles son las reglas que  permiten reforzar las conexiones de una red neuronal artificial, para lograr que un ordenador sea capaz de aprender. Esto ha abierto la puerta, según explica Hinton, a “un nuevo tipo de inteligencia artificial”, en el que, a diferencia de otras estrategias, “no programas el ordenador con conocimiento, sino que realmente logras que la máquina aprenda de su propia experiencia”.

Lo que debilita o refuerza las conexiones en las redes neuronales artificiales son los aciertos o fallos, contrastados con los miles de ejemplos que se proporcionan a la máquina. Los abordajes convencionales, en cambio, se basaban en la lógica; los investigadores creaban representaciones simbólicas con las que el programa operaba de acuerdo a reglas lógicas predefinidas. “Siempre he estado convencido de que la única manera de hacer que la inteligencia artificial realmente funcione es operar como lo hace el cerebro”, dice Hinton. “Eso es lo que siempre he tratado de buscar.

Estamos avanzando, aunque aún nos queda mucho para entender cómo lo hace el cerebro”.

TUITEAR

Cuando se le pregunta por las aplicaciones de ‘deep learning que más le sorprenden, menciona los últimos sistemas de traducción automática, que son “mucho mejores” que los que se basaban en programas con reglas predefinidas Tampoco duda del éxito futuro los vehículos autónomos y los asistentes personales: “Está muy claro que tendremos vehículos completamente autónomos, y serán mucho más seguros. Mi apuesta es que en los próximos cinco o diez años habrá coches familiares completamente autónomos”. En su opinión, “las máquinas nos pueden hacer la vida mucho más fácil, haciendo que todo el mundo tenga un asistente personal inteligente que ayude en la vida cotidiana. Serán extremamente útiles”.

En cuanto a los posibles riesgos de la inteligencia artificial y el temor de que, como han imaginado muchas películas de ciencia ficción, las máquinas inteligentes se rebelen en el futuro contra sus creadores, Hinton considera que “estamos muy lejos” de que esto pueda considerarse un riesgo real. Sin embargo, lo que sí le preocupa son las potenciales aplicaciones militares de las máquinas inteligentes, como el uso de “escuadrones de pequeños drones asesinos” programados para atacar objetivos en escenarios bélicos.  “Esto ya es un peligro real que debemos tomarnos en serio y necesitamos una Convención de Ginebra que regule el uso de este tipo de armas autónomas”, advierte el científico premiado.

Biografía: Geoffrey Hinton

Tras graduarse en Psicología Experimental en Cambridge en 1970, y obtener su doctorado en Inteligencia Artificial por la Universidad de Edimburgo en 1978, Geoffrey Hinton (Londres, 1947) trabajó en la Universidad de Sussex (Reino Unido), las universidades de California en San Diego y Carnegie-Mellon (Estados Unidos) y la Universidad de Toronto (Canadá). Entre 1998 y 2001, puso en marcha la Unidad Gatsby de Neurociencia Computacional de la Universidad de Londres, considerado uno de los principales grupos de investigación del mundo en esta área. Posteriormente, regresó a la Universidad de Toronto, donde actualmente es catedrático en el Departamento de Ciencias de la Computación. Entre 2004 y 2013, dirigió el programa sobre “Computación Neuronal y Percepción Adaptativa” del Instituto Canadiense para la Investigación Avanzada, una de las instituciones científicas más prestigiosas del país, y desde 2013 colabora como investigador en Google en el desarrollo de sistemas de reconocimiento de voz e imagen, traductores de idiomas, programas de procesamiento del lenguaje y otras aplicaciones del ‘aprendizaje profundo’.

Hinton es miembro de la Royal Society del Reino Unido, la Royal Society de Canadá y la Asociación para el Avance de la Inteligencia Artificial (de ámbito internacional). Además, es miembro honorario de la Academia de las Artes y las Ciencias y la Academia Nacional de Ingeniería, ambas de Estados Unidos. Presidió la Cognitive Science Society entre 1992 y 1993 y ostenta varios doctorados honoris causa por las universidades de Edimburgo, Sussex y Sherbrooke. Entre otros reconocimientos, ha recibido el Premio NEC C&C (2016), el Premio David E. Rumelhart por sus contribuciones a los fundamentos teóricos de la cognición humana (2001) y el Premio a la Investigación de Excelencia de la International Joint Conferences on Artificial Intelligence Organization, IJCAI (2005), uno de los más prestigiosos en el área de la Inteligencia Artificial. También le han sido concedidos la Medalla de Oro Gerhard Herzberg del Consejo de Investigación de Ciencias Naturales e Ingeniería de Canadá (2010) – el premio más importante del país en esta área de investigación- y la Medalla James Clerk Maxwell que conceden el  Institute of Electrical and Electronics Engineers (IEEE) y la Real Sociedad de Edimburgo (2016).

Jurado y comisión técnica de Tecnologías de la Información y la Comunicación

El jurado de esta categoría ha estado presidido por Georg Gottlob, catedrático de Ciencias de la Computación en la Universidad de Oxford (Reino Unido) y catedrático adjunto en Ciencias de la Computación en la Universidad Tecnológica de Viena (Austria), y ha contado como secretario con Ramón López de Mántaras, director del Instituto de Investigación en Inteligencia Artificial del Consejo Superior de Investigaciones Científicas (CSIC), así como profesor de investigación de esta misma institución. Los vocales han sido Regina Barzilay, catedrática Delta Electronics del departamento de Ingeniería Electrónica y Ciencias de la Computación del MIT, el Instituto Tecnológico de Massachusetts (Estados Unidos), Liz Burd, vicerrectora de Enseñanza y Aprendizaje en la Universidad de Newcastle (Australia), Oussama Khatib, director del Laboratorio de Robótica y catedrático de Ciencias de la Computación de la Universidad de Stanford (Estados Unidos), Rudolf Kruse, catedrático de la Facultad de Ciencias de la Computación en la Universidad de Magdeburg (Alemania) y Joos Vandewalle, catedrático del Departamento de Ingeniería Eléctrica (ESAT) de la Universidad Católica de Lovaina (Bélgica).