John Hopfield e Geoffrey Hinton, laureados com o Prêmio Nobel de Física deste ano, são reconhecidos por suas descobertas e invenções que possibilitam o aprendizado de máquina por meio de redes neurais artificiais. Ferramentas de inteligência artificial generativa, como o ChatGPT e o Gemini, se beneficiam desse tipo de aprendizado, inspirado no funcionamento do cérebro humano e na interação entre neurônios. Além disso, a base dessas estruturas apresenta similaridades com modelos da física estatística utilizados no estudo do spin, propriedade quântica que influencia a interação de partículas subatômicas com campos magnéticos.
Ellen Moons, presidente do Comitê de Física do Nobel, destaca a amplitude de aplicações das redes neurais artificiais na física e em outros campos do conhecimento, como no desenvolvimento de novos materiais com propriedades específicas. O modelo de Hopfield, desenvolvido na década de 1980, simula o funcionamento dos neurônios do cérebro, possibilitando o armazenamento e reconstrução de padrões de informação de forma associativa.
Os trabalhos de Hinton deram continuidade ao modelo de Hopfield, resultando na criação da máquina de Boltzmann, que busca propriedades em conjuntos de dados de forma autônoma, sendo essencial para a IA generativa. Além disso, sistemas baseados nesse tipo de rede neural conseguem classificar imagens, produzir textos e reconhecer padrões com base no aprendizado adquirido.
Hinton, que atuou no Google por uma década, alertou sobre os riscos associados ao uso da inteligência artificial, ressaltando a necessidade de controle sobre o desenvolvimento dessa tecnologia. Ele vislumbra um impacto significativo da IA, comparável à revolução industrial, destacando o potencial de superação das capacidades intelectuais humanas pelas máquinas. No entanto, o pesquisador expressa preocupações com relação à possibilidade das máquinas se tornarem mais inteligentes do que os seres humanos e escaparem do controle humano.
Informações da Agência FAPESP