O Prémio Nobel da Física foi atribuído ao professor Geoffrey Hinton, da Universidade de Toronto (Canadá), e ao professor John Hopfield, da Universidade Princeton, nos EUA. Os dois cientistas foram galardoados pelas descobertas, desenvolvimentos e avanços em machine learning com redes neuronais.

Vivemos numa era em que estamos habituados a pouco esforço para obter muita informação, ou a ter decisões rápidas de máquinas... Será que nos questionamos da imensidão de informação que está por trás dessas decisões ou de respostas tão rápidas de todas as ferramentas que usamos?

Ouvimos falar frequentemente em inteligência artificial, que é, como o nome indica, fazer artificialmente algo que apenas o ser humano faz e é o melhor a fazê-lo, pensar, usar a inteligência. Somos ser pensantes, que temos a capacidade de aprender, possuímos habilidades cognitivas fascinantes. Poderão estas habilidades, capacidades de raciocínio, ser transpostas para máquinas?

As aplicações de conceitos fundamentais da física estatística a redes neuronais ajudam a construir redes de informação capazes de decidir. Estes desenvolvimentos têm um efeito directo em várias áreas da ciência como física de partículas, astrofísica, ciências dos materiais, reconhecimento facial, decisões rápidas por machine learning, biologia, medicina, entre tantas outras.

Quantas vezes nos acontece sermos inundados nas redes sociais com informação de algo que estamos à procura ou a pensar? Certamente os pensamentos não são lidos por máquinas, sejam telemóveis ou computadores, mas qualquer informação que dêmos será usada para aprendizagem de sistemas e entra em processos de inteligência artificial, nas chamadas redes neuronais. A ligação de toda a informação faz com que uma máquina seja capaz de decidir um caminho, prever um resultado, reconhecer uma pessoa.

Estes dois cientistas desenvolveram ao longo dos anos métodos de treino de redes, associando informação diversa e extensa, para tomar decisões. A aplicação de física estatística, sobretudo a distribuição de Boltzmann, é uma das bases na aprendizagem e treino de redes neuronais. Imagine-se uma máquina que transforma algo em algo diferente. Introduzimos reagentes e obtemos um produto. Quanto mais complexa for esta máquina, mais perfeito será o produto ou mais complexo será o mesmo. Os reagentes são informação que é introduzida na máquina, o produto é a informação que a máquina nos dá, após produção. Essa produção é um conjunto complexo relacional de dados, que são treinados de forma a ter informação final em fidedigna.

São inúmeros os exemplos de aplicação e das vantagens e avanços que a sociedade pode ter com o uso de inteligência artificial. Desde a análise de dados em diversas áreas da ciência, como a física de partículas e astrofísica. Modelação para novos materiais com diferentes aplicações, seja células solares, nanochips, previsão da estrutura de proteínas, aplicação directa na análise de imagem médica.

No nosso dia-a-dia o uso é constante. Todos pesquisamos qualquer dúvida rápida na Internet, ou usamos ferramentas de inteligência artificial seja o Google, o ChatGPT ou outras para obter informação e soluções rápidas. “Estou estupefacto, surpreendido... Não faço ideia como isto aconteceu”, disse Geoffrey Hinton em reacção ao Prémio Nobel da Física de 2024.

Quando foi questionado sobre o futuro, e qual a influência poderá ter no futuro machine learning, afirmou que certamente influenciará o futuro da civilização. Não temos experiência de lidarmos com seres mais inteligentes do que o ser humano; mesmo considerando que o ser humano é o ser mais inteligente, a rapidez como a informação é analisada e correlacionada atinge valores que o ser humano não acompanha. Hinton afirmou que o preocupa as possíveis más consequências de se poder perder o controlo. Para Hinton, a atribuição do Prémio Nobel da Física 2024 partilhado com Hopfield foi “a bolt from the blue”.