A finales de los años 70 y principios de los 80, la financiación federal para la investigación cognitiva llevó inesperadamente a avances significativos en la inteligencia artificial (IA). Esta investigación no solo transformó nuestra comprensión de la cognición humana a través de modelos computacionales, sino que también sentó las bases para los sistemas de aprendizaje profundo que impulsan la tecnología de IA actual.
La National Science Foundation y la Oficina de Investigación Naval financiaron proyectos de James "Jay" McClelland, David Rumelhart y Geoffrey Hinton para modelar las capacidades cognitivas humanas. Su trabajo dio lugar a descubrimientos revolucionarios, incluido un modelo de red neuronal para la percepción de letras y palabras, así como el influyente algoritmo de retropropagación, que es fundamental para los sistemas de IA modernos.
McClelland, un científico cognitivo en la Universidad de Stanford, señaló que el algoritmo de retropropagación es ahora la base de todos los sistemas de aprendizaje profundo desarrollados desde su inicio. Esta investigación le valió al trío un Golden Goose Award 2024, reconociendo el profundo impacto de su ciencia básica en el mundo.
En los años 70, la colaboración de McClelland y Rumelhart se desvió de las teorías predominantes sobre el procesamiento del lenguaje, que eran en gran medida simbólicas. En cambio, propusieron que comprender el lenguaje implica utilizar toda la información disponible simultáneamente, enfatizando la importancia del contexto.
Con la llegada de Hinton a principios de los años 80, el equipo cambió su enfoque hacia una comprensión más compleja de las redes neuronales. Publicaron trabajos influyentes que redefinieron el campo, incluido el artículo seminal en Nature que introdujo el algoritmo de retropropagación.
A pesar de la lenta adopción inicial de los modelos de redes neuronales, el paisaje cambió drásticamente con la llegada de computadoras potentes y grandes conjuntos de datos, lo que permitió la aplicación exitosa de técnicas de aprendizaje profundo en varios sistemas de IA.
Hoy en día, McClelland continúa explorando la intersección de la cognición humana y la IA, examinando cómo las ideas de las redes neuronales pueden informar nuestra comprensión de la mente humana y viceversa. Su investigación en curso destaca las similitudes y diferencias entre la cognición humana y las redes neuronales computarizadas, revelando ideas fascinantes sobre la naturaleza de la conciencia.