Bona part de les eines matemàtiques que avui expliquen com aprenen les xarxes neuronals artificials no van néixer a la informàtica, sinó a la física dels sistemes desordenats: materials amb un comportament col·lectiu difícil de predir a partir de les seves parts individuals. El premi més prestigiós de física teòrica que atorga l'ICTP reconeix enguany precisament els científics que van construir aquest pont.
L'Abdus Salam International Centre for Theoretical Physics (ICTP) ha anunciat el 8 d'agost que el Dirac Medal and Prize 2026 recau en quatre físics: Bernard Derrida (Collège de France), que va desenvolupar el Random Energy Model per explicar el comportament col·lectiu de sistemes desordenats, amb aplicacions directes en optimització i xarxes neuronals; Deepak Dhar (International Centre for Theoretical Sciences, Índia), que va resoldre el model del «sandpile» abelià, mostrant com interaccions senzilles generen comportaments complexos rellevants per a terratrèmols, trànsit o mercats financers; Marc Mézard (Universitat Bocconi), codesenvolupador amb Giorgio Parisi i Miguel Virasoro del mètode de la cavitat, que avui s'aplica a l'anàlisi de models d'aprenentatge automàtic i models generatius; i Haim Sompolinsky (Universitat Hebrea de Jerusalem i Harvard), considerat un dels fundadors de la neurociència teòrica moderna per haver establert vincles rigorosos entre la física estadística i el funcionament del cervell. La citació oficial del premi els reconeix per «estendre'n els conceptes i mètodes cap a la mecànica estadística fora de l'equilibri, els problemes d'optimització, la neurociència teòrica i la intel·ligència artificial».
La notícia és rellevant perquè posa nom i cara a una genealogia científica que sovint queda invisible darrere els titulars de xatbots i models de llenguatge: conceptes com el «spin glass», el mètode de la cavitat o els models de memòria associativa, desenvolupats per aquests investigadors des dels anys setanta i vuitanta, són l'arrel matemàtica de tècniques que avui es fan servir per entendre per què i com aprenen les xarxes neuronals profundes. El director de l'ICTP, Atish Dabholkar, ha destacat que la seva obra demostra que la física teòrica és «un marc potent per abordar una gamma molt àmplia de qüestions» més enllà dels seus dominis tradicionals, incloent-hi la biologia i la informàtica.
El Dirac Medal reconeix una trajectòria científica de dècades, no un resultat concret i recent, de manera que no aporta cap troballa nova sobre models d'IA actuals; el seu valor és posar en relleu els fonaments teòrics —sovint poc coneguts fora de l'àmbit acadèmic— sobre els quals s'assenta bona part de l'aprenentatge automàtic contemporani.