{"id":13663,"date":"2019-01-29T09:42:19","date_gmt":"2019-01-29T15:42:19","guid":{"rendered":"http:\/\/otech.uaeh.edu.mx\/noti\/?p=13663"},"modified":"2019-01-29T09:42:29","modified_gmt":"2019-01-29T15:42:29","slug":"puede-la-inteligencia-artificial-ayudar-a-descubrir-nuevas-leyes-fisicas","status":"publish","type":"post","link":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/puede-la-inteligencia-artificial-ayudar-a-descubrir-nuevas-leyes-fisicas\/","title":{"rendered":"\u00bfPuede la inteligencia artificial ayudar a descubrir nuevas leyes f\u00edsicas?"},"content":{"rendered":"

magina una bola de fuego que se mueve por un plano. Seg\u00fan en qu\u00e9 zona est\u00e9, 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 f\u00edsico podr\u00eda estudiar sus movimientos y descubrir qu\u00e9 leyes f\u00edsicas est\u00e1n influyendo sobre ella. Pero tambi\u00e9n puede hacerlo la inteligencia artificial. Dos investigadores del MIT han dise\u00f1ado 40 planos (como el que est\u00e1 recorriendo nuestra bola) gobernados por distintas leyes f\u00edsicas, y han puesto a un algoritmo a trabajar: su objetivo es descubrir cu\u00e1les son las leyes que rigen cada uno de los mundos.<\/p>\n

\n
Para conseguirlo, Tailin Wu y Max Tegmark,\u00a0los dos responsables de la investigaci\u00f3n, han educado al algoritmo para que siga los mismos procesos mentales que suelen usar los f\u00edsicos para comprender el mundo. Le han dado instrucciones para cumplir algunas reglas b\u00e1sicas, las mismas que llevaron a\u00a0Isaac Newton a describir la gravedad como una fuerza\u00a0o a Galileo Galilei a identificar la oscilaci\u00f3n de un p\u00e9ndulo. Galileo observ\u00f3 largamente una l\u00e1mpara que se balanceaba en la catedral de Pisa y cronometr\u00f3 la oscilaci\u00f3n con sus pulsaciones. Concluy\u00f3 que el periodo de la oscilaci\u00f3n era constante e independiente de su amplitud. Pero para hacer este descubrimiento, Galileo deb\u00eda ignorar el resto de detalles presentes en la catedral: la resistencia del aire, la temperatura, la luz.<\/div>\n<\/div>\n

\u00bfEs posible dise\u00f1ar un sistema de inteligencia artificial que desarrolle teor\u00edas como lo hizo Galileo, prestando atenci\u00f3n solo a la informaci\u00f3n necesaria? Este era precisamente el objetivo de AI Physicist, el sistema inteligente dise\u00f1ado por el MIT que copia el modelo del f\u00edsico italiano. Hasta el momento, los sistemas de inteligencia artificial descubren patrones en la informaci\u00f3n e incluso han derivado ciertas leyes de la f\u00edsica, seg\u00fan refleja MIT Technology. Pero en estos casos, la IA siempre estudiaba un conjunto de datos en su totalidad.<\/p>\n

Para pensar como un f\u00edsico, el algoritmo ha aprendido a desarrollar teor\u00edas que describen una peque\u00f1a parte del conjunto de datos. Tambi\u00e9n ha aprendido a aplicar el principio de la Navaja de Ockham, que da prioridad a las explicaciones m\u00e1s simples. Otro de los objetivos que persiguen los f\u00edsicos es\u00a0<\/span>buscar formas de unificar teor\u00edas\u00a0<\/span>y es algo que tambi\u00e9n se aplica al algoritmo. Finalmente, uno de los aspectos que separa a las m\u00e1quinas de los humanos es su capacidad de reutilizar lo que ya se ha aprendido. As\u00ed que el AI Physicist de Wu y Tegmark recuerda las soluciones aprendidas y las intenta utilizar con los problemas futuros.<\/p>\n

Utilizando estas cuatro reglas b\u00e1sicas, al algoritmo se le ha dado bastante bien identificar cu\u00e1ndo la bola de fuego estaba bajo el influjo de la gravedad o cu\u00e1ndo estaba movi\u00e9ndose libremente. Es decir, ha sabido identificar qu\u00e9 ley f\u00edsica estaba actuando sobre ella en cada momento en el 90% de los escenarios. \u201cLa m\u00e1quina que han dise\u00f1ado es capaz de detectar los comportamientos de la bola dise\u00f1ando “teor\u00edas”, de modo que es muy eficaz a la hora de predecir c\u00f3mo se mover\u00e1 la bola, a pesar de que sea algo complejo\u201d, explica Juan M. R. Parrondo, profesor del departamento de estructura de la materia, f\u00edsica t\u00e9rmica y electr\u00f3nica de la UCM.<\/p>\n