El Princesa de Investigación distingue a los grandes impulsores de la Inteligencia Artificial

Su candidatura -que resultó elegida de entre 47 de 16 nacionalidades- había sido propuesta por Bart Selman, presidente de la Asociación para el Desarrollo de la Inteligencia Artificial de la Universidad Cornell (Estados Unidos), y el jurado quiso distinguir «sus contribuciones a su avance y a su integración plena en la sociedad». Y, más en concreto, «sus aportaciones al desarrollo del aprendizaje profundo (deep learning)», que «suponen un gran avance en técnicas tan diversas como el reconocimiento de voz, el procesamiento del lenguaje natural, la percepción de objetos, la traducción automática, la optimización de estrategias, el análisis de la estructura de las proteínas, el diagnóstico médico y muchas otras». Todo, gracias a máquinas capaces de aprender de forma muy semejante al cerebro humano. Así que -como concluye el acta- «su impacto actual y futuro en el progreso de la sociedad puede ser calificado de extraordinario».

Geoffrey Hinton, Yann LeCun y Yoshua Bengio -una tríada de enormes investigadores que ya en 2018 se alzó con el prestigioso Premio Turing, 'el Nobel de la informática'- son considerados, de hecho, los padres de esa técnica esencial de la Inteligencia Artificial, el deep learning o aprendizaje profundo, basado en el uso de redes neuronales para el reconocimiento de voz, la visión por ordenador y el procesamiento del lenguaje natural, y que ha logrado hitos en campos tan diversos como la percepción de objetos y la traducción automática.

Estas redes neuronales pretenden imitar el funcionamiento del cerebro, utilizando algoritmos que convierten el proceso biológico del aprendizaje en secuencias matemáticas. Básicamente, se trata de que la máquina aprenda de su propia experiencia.

Entre otras contribuciones, ya en 1986 Hinton inventó los algoritmos de retropropagación, fundamentales para el entrenamiento de redes neuronales. Con ellos, en 2012 consiguió crear una red neuronal convolucional llamada AlexNet, compuesta por 650.000 neuronas y entrenada con 1,2 millones de imágenes, que registró tan solo un 26% de errores en el reconocimiento de objetos y redujo a la mitad el porcentaje de sistemas anteriores.

Yann LeCun hizo luego aportaciones al desarrollo de esos algoritmos de retropropagación y, en 1989, creó LeNet-5, un sistema de reconocimiento de caracteres escritos en cheques bancarios, que supuso un gran avance para la tecnología de reconocimiento óptico. Y, posteriormente, contribuyó al desarrollo de la tecnología DjVu, de compresión de imágenes, utilizada por cientos de sitios web y millones de usuarios para acceder a documentos escaneados en internet. Pero también ha trabajado en métodos de aprendizaje profundo para la interacción humano-computadora y el reconocimiento de voz.

Por su parte, Yoshua Bengio ha hecho avances clave en modelos probabilísticos de secuencias, utilizados para el reconocimiento de voz y de escritura y en aprendizaje no supervisado. Y, actualmente, estudia algoritmos más eficientes en representaciones de datos, extrayendo reconocimiento de patrones y también permitiendo el entendimiento de relaciones más complejas.

Y, finalmente, Demis Hassabis es CEO y cofundador de DeepMind, una de las mayores compañías de investigación en Inteligencia Artificial del globo, creada en 2011 y adquirida en 2014 por Google.

Hassabis -un niño prodigio del ajedrez (a los trece años era ya un reconocido jugador) y un apasionado de la programación desde muy joven- ha creado con DeepMind un modelo de red neuronal que combina las capacidades de una red neuronal artificial con la potencia algorítmica de un ordenador programable.

Así, su compañía ha unido los progresos hechos en machine learning con los procesos de deep learning y el llamado aprendizaje de refuerzo para crear un nuevo campo de aprendizaje por refuerzo profundo, un sistema de inteligencia artificial que abre la puerta a múltiples aplicaciones en el estudio de numerosas disciplinas científicas.

Solo un ejemplo: el pasado año, el equipo de DeepMind logró predecir, con un grado muy elevado de exactitud, la estructura de más de 350.000 proteínas humanas (el 44% de todas las conocidas). Datos que fueron puestos a disposición de todos los laboratorios del mundo en el AlphaFold Protein Structure Database y el logro fue destacado por la revista 'Science' como Descubrimiento Científico de ese año. Edith Heard, directora del Laboratorio Europeo de Biología Molecular, declaró entonces que era «una auténtica revolución para las ciencias de la vida, como lo fue la genómica hace décadas».

«Es para mí un gran honor recibir el prestigioso Premio Princesa de Asturias junto con algunos de mis brillantes colegas científicos, y en nombre de mi increíble equipo, quienes han ayudado a mejorar la vida de las personas y a aumentar nuestra comprensión del mundo a través de la invención de estas nuevas tecnologías innovadoras», agradecía ayer Hassabis el galardón desde Londres.