Máquina de Boltzmann
Etapa 3 · Del auge experto al giro estadístico (1980–2011) › Redes neuronales
- Linaje
- Neuronas y redes
- Tipo
- Publicación
Quién
Carnegie Mellon, Universidad Johns Hopkins
Qué ocurrió
David Ackley, Geoffrey Hinton y Terrence Sejnowski publican en Cognitive Science «A Learning Algorithm for Boltzmann Machines», una red estocástica que aprende la distribución de probabilidad de sus datos.
Qué aportó
Una de las primeras redes capaces de aprender representaciones internas en unidades ocultas. Lleva la física estadística al aprendizaje y está en el origen de los modelos generativos.
Desarrollo
La red de Hopfield guardaba patrones, pero no aprendía a descubrirlos. Hinton y Sejnowski se propusieron una red que, a partir de ejemplos, construyera por sí misma una representación de su estructura. Para ello añadieron unidades ocultas, que no corresponden a ningún dato, y sustituyeron las decisiones deterministas por decisiones al azar.
En una máquina de Boltzmann, cada unidad se enciende con una probabilidad que depende de sus entradas y de una «temperatura», como los átomos de un gas según la distribución de Boltzmann de la física estadística. Dejada funcionar, la red visita estados con una probabilidad que depende de su energía. El aprendizaje ajusta las conexiones para que los estados que la red visita por sí sola se parezcan a los datos de entrenamiento. La regla resultante es local y elegante: compara cómo se correlacionan dos unidades cuando la red ve los datos y cuando funciona libremente.
El método era muy lento, porque había que esperar a que la red llegara al equilibrio una y otra vez. Pero demostró que una red podía aprender representaciones internas útiles con un principio claro, y su versión restringida, sin conexiones dentro de cada capa, que propuso Paul Smolensky en 1986 y que Hinton aprendió a entrenar de forma rápida en 2002, se convirtió en la pieza básica de las redes de creencia profundas.
El comité Nobel citó la máquina de Boltzmann al conceder a Hinton el premio de Física de 2024.
Viene de
Red de Hopfield (abril de 1982)
Influencia directa documentada
El comité Nobel explica que Hinton usó la red de Hopfield como base para una red nueva, la máquina de Boltzmann, con herramientas de la física estadística
Red de Hopfield (abril de 1982)
Influencia directa documentada
Hinton parte de la red de Hopfield para crear la máquina de Boltzmann, con herramientas de la física estadística
Lleva a
Redes de creencia profundas (julio de 2006)
Influencia directa documentada
Cada capa de la red de creencia profunda es una máquina de Boltzmann restringida que se entrena por separado
Nobel de Física a Hopfield y Hinton (8 de octubre de 2024)
Influencia directa documentada
El comunicado de la Academia nombra la red de Hopfield y la máquina de Boltzmann como los trabajos premiados
Hilos que pasan por aquí
- El invierno de las redes (paso 2 de 11)
- De la memoria de Hopfield al Nobel (paso 2 de 3)
Bibliografía
Fuente original
- A Learning Algorithm for Boltzmann Machines. Cognitive Science, 9(1), pp. 147-169 (se abre en una pestaña nueva). David H. Ackley, Geoffrey E. Hinton y Terrence J. Sejnowski, 1985
- Training Products of Experts by Minimizing Contrastive Divergence. Neural Computation, 14(8), pp. 1771-1800 (se abre en una pestaña nueva). Geoffrey Hinton, 2002
Estudios y contexto
Cómo citar
«Máquina de Boltzmann». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/maquina-de-boltzmann
Última revisión de esta ficha: 13 de noviembre de 2026.