La historia de la IA

Red de Hopfield

Etapa 3 · Del auge experto al giro estadístico (1980–2011) › Redes neuronales

Linaje
Neuronas y redes
Tipo
Publicación

Quién

Caltech

Qué ocurrió

El físico John Hopfield publica en las Proceedings of the National Academy of Sciences «Neural networks and physical systems with emergent collective computational abilities».

Qué aportó

Una red recurrente funciona como memoria asociativa: guarda patrones y los recupera a partir de una versión incompleta o con ruido. Aplica la física de los materiales magnéticos a las redes y devuelve a los físicos al campo.

Desarrollo

Hopfield, físico de formación, se preguntó cómo un conjunto de elementos simples podía producir propiedades colectivas como la memoria. Tomó como modelo los vidrios de espín, materiales magnéticos desordenados en los que unos pares de átomos vecinos tienden a alinear su orientación y otros a oponerla, de modo que el material tiene muchos estados estables distintos.

En su red, cada neurona está activa o inactiva y está conectada con todas las demás. Las conexiones se fijan con una regla de tipo Hebb a partir de los patrones que se quieren guardar. Hopfield definió una energía para cada estado de la red y demostró que, cada vez que una neurona se actualiza, la energía baja o se mantiene. La red cae así hacia mínimos de energía, y los patrones guardados son esos mínimos. Si se le presenta una imagen incompleta, la red se desliza hasta el patrón guardado más parecido: recuerda por asociación, como cuando un fragmento de una canción trae el resto.

Amari en 1972 y William Little en 1974 habían propuesto modelos parecidos, y Hopfield citó a Little. Pero su presentación, clara y ligada a la física estadística, atrajo a muchos físicos hacia las redes neuronales en un momento en que la IA las había dejado de lado. En 1984 extendió el modelo a neuronas con salidas continuas.

En 2024 Hopfield recibió el premio Nobel de Física, junto con Geoffrey Hinton, por los descubrimientos que hicieron posible el aprendizaje automático con redes neuronales.

Una curva ondulada de energía sobre el eje de los estados de la red, con dos valles marcados como recuerdo A y recuerdo B. Una bola situada en una ladera, la pista incompleta, tiene una flecha que la lleva al fondo del valle del recuerdo B.

Cada recuerdo guardado es un valle de energía. Si la red parte de una pista incompleta, rueda cuesta abajo hasta el recuerdo más cercano.

Nivel técnico

En la forma habitual, cada neurona sᵢ vale +1 o −1. Para guardar varios patrones ξ, los pesos se fijan con una regla de Hebb, wᵢⱼ = (1/N)·Σ ξᵢ·ξⱼ sumando sobre los patrones, con pesos simétricos y sin conexiones de una neurona consigo misma. La energía de un estado es E = −½·Σ wᵢⱼ·sᵢ·sⱼ.

Si las neuronas se actualizan de una en una con sᵢ ← signo(Σⱼ wᵢⱼ·sⱼ), la energía nunca sube, y como el número de estados es finito, la red acaba quieta en un mínimo. Los patrones guardados son mínimos de esa función, y por eso la red los recupera a partir de una versión con ruido.

La memoria tiene un límite. Con la regla de Hebb, una red de N neuronas recupera bien unos 0,14·N patrones al azar. Por encima aparecen mínimos falsos, mezclas de recuerdos, y la red deja de recordar.

Vídeos

Lleva a

  • Máquina de Boltzmann (enero de 1985)

    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

  • Máquina de Boltzmann (enero de 1985)

    Influencia directa documentada

    Hinton parte de la red de Hopfield para crear la máquina de Boltzmann, con herramientas de la física estadística

  • 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

Bibliografía

Cómo citar

«Red de Hopfield». En La historia de la IA, revisión del 13 de noviembre de 2026. https://thehistoryofai.com/es/hito/red-de-hopfield

Última revisión de esta ficha: 13 de noviembre de 2026.

Abrir en la cronología interactiva