¿Puede la inteligencia artificial ayudar a descubrir nuevas leyes físicas?
Una investigación del MIT ha entrenado a un algoritmo para pensar como los físicos. Acierta en el 90% de las ocasiones… en un experimento diseñado para que acierte
Imagina una bola de fuego que se mueve por un plano. Según en qué zona esté, tiene un comportamiento distinto: al principio se mueve libremente, cuando cambia de zona parece estar sometida a la gravedad y si sigue avanzando se comporta como si estuviera unida a un muelle. Un físico podría estudiar sus movimientos y descubrir qué leyes físicas están influyendo sobre ella. Pero también puede hacerlo la inteligencia artificial. Dos investigadores del MIT han diseñado 40 planos (como el que está recorriendo nuestra bola) gobernados por distintas leyes físicas, y han puesto a un algoritmo a trabajar: su objetivo es descubrir cuáles son las leyes que rigen cada uno de los mundos.
Para conseguirlo, Tailin Wu y Max Tegmark, los dos responsables de la investigación, han educado al algoritmo para que siga los mismos procesos mentales que suelen usar los físicos para comprender el mundo. Le han dado instrucciones para cumplir algunas reglas básicas, las mismas que llevaron a Isaac Newton a describir la gravedad como una fuerza o a Galileo Galilei a identificar la oscilación de un péndulo. Galileo observó largamente una lámpara que se balanceaba en la catedral de Pisa y cronometró la oscilación con sus pulsaciones. Concluyó que el periodo de la oscilación era constante e independiente de su amplitud. Pero para hacer este descubrimiento, Galileo debía ignorar el resto de detalles presentes en la catedral: la resistencia del aire, la temperatura, la luz.
¿Es posible diseñar un sistema de inteligencia artificial que desarrolle teorías como lo hizo Galileo, prestando atención solo a la información necesaria? Este era precisamente el objetivo de AI Physicist, el sistema inteligente diseñado por el MIT que copia el modelo del físico italiano. Hasta el momento, los sistemas de inteligencia artificial descubren patrones en la información e incluso han derivado ciertas leyes de la física, según refleja MIT Technology. Pero en estos casos, la IA siempre estudiaba un conjunto de datos en su totalidad.
Para pensar como un físico, el algoritmo ha aprendido a desarrollar teorías que describen una pequeña parte del conjunto de datos. También ha aprendido a aplicar el principio de la Navaja de Ockham, que da prioridad a las explicaciones más simples. Otro de los objetivos que persiguen los físicos es buscar formas de unificar teorías y es algo que también se aplica al algoritmo. Finalmente, uno de los aspectos que separa a las máquinas de los humanos es su capacidad de reutilizar lo que ya se ha aprendido. Así que el AI Physicist de Wu y Tegmark recuerda las soluciones aprendidas y las intenta utilizar con los problemas futuros.
Utilizando estas cuatro reglas básicas, al algoritmo se le ha dado bastante bien identificar cuándo la bola de fuego estaba bajo el influjo de la gravedad o cuándo estaba moviéndose libremente. Es decir, ha sabido identificar qué ley física estaba actuando sobre ella en cada momento en el 90% de los escenarios. “La máquina que han diseñado es capaz de detectar los comportamientos de la bola diseñando "teorías", de modo que es muy eficaz a la hora de predecir cómo se moverá la bola, a pesar de que sea algo complejo”, explica Juan M. R. Parrondo, profesor del departamento de estructura de la materia, física térmica y electrónica de la UCM.
- Sus limitaciones a pesar del éxito
¿Significa entonces que el próximo gran descubrimiento de la física vendrá de la mano de una inteligencia artificial? Parece que las máquinas están lejos de ser el nuevo Albert Einstein o la nueva Marie Curie. “La máquina funciona muy bien porque el problema está especialmente diseñado para que el algoritmo sea muy eficaz”. Además, Carlos Díaz-Guerra, profesor asociado del departamento de física de materiales de la UCM, señala un detalle que no hay que perder de vista y se muestra cauteloso. Advierte de que este experimento aún no está publicado en ninguna revista científica, “lo que significaría que aún no ha pasado el proceso de revisión por otros científicos previo a su publicación”.
Aún así, Parrondo no duda del potencial de esta tecnología más allá de este estudio: “Creo que puede ser muy útil para encontrar pautas en experimentos que produzcan un gran número de datos, como en las colisiones de aceleradores de partículas. De hecho, ya se usa IA de forma parcial para analizar datos de ese tipo”, explica el físico. Asegura que estas estrategias pueden ayudar a encontrar nuevas partículas en un experimento, pero no nuevas leyes ni nuevas formas de describir la realidad física. "Creo que el avance que supone este artículo es más un avance para la IA en sí, que para la IA aplicada a la física”. La capacidad de estos sistemas de inteligencia artificial está muy lejos de la de los humanos como Galileo.
Tu suscripción se está usando en otro dispositivo
¿Quieres añadir otro usuario a tu suscripción?
Si continúas leyendo en este dispositivo, no se podrá leer en el otro.
FlechaTu suscripción se está usando en otro dispositivo y solo puedes acceder a EL PAÍS desde un dispositivo a la vez.
Si quieres compartir tu cuenta, cambia tu suscripción a la modalidad Premium, así podrás añadir otro usuario. Cada uno accederá con su propia cuenta de email, lo que os permitirá personalizar vuestra experiencia en EL PAÍS.
En el caso de no saber quién está usando tu cuenta, te recomendamos cambiar tu contraseña aquí.
Si decides continuar compartiendo tu cuenta, este mensaje se mostrará en tu dispositivo y en el de la otra persona que está usando tu cuenta de forma indefinida, afectando a tu experiencia de lectura. Puedes consultar aquí los términos y condiciones de la suscripción digital.
