La IA se enseña a sí misma las leyes de la física

En lo que es un momento monumental tanto para la IA como para la física, una red neuronal ha “redescubierto” que la Tierra orbita alrededor del Sol. Este nuevo desarrollo podría ser crucial para resolver problemas de mecánica cuántica, y los investigadores esperan que pueda ser utilizado para descubrir nuevas leyes de la física identificando patrones dentro de grandes conjuntos de datos.

La red neuronal, llamada SciNet, se le proporcionaron mediciones que mostraban cómo aparecen el Sol y Marte desde la Tierra. Los científicos del Instituto Federal Suizo de Tecnología luego asignaron a SciNet la tarea de predecir dónde estarían el Sol y Marte en diferentes momentos en el futuro.

La investigación se publicará en Physical Review Letters.

Diseñando el algoritmo

El equipo, que incluye al físico Renato Renner, se propuso hacer que el algoritmo fuera capaz de destilar grandes conjuntos de datos en fórmulas básicas. Este es el mismo sistema que utilizan los físicos al crear ecuaciones. Para hacer esto, los investigadores tuvieron que basar la red neuronal en el cerebro humano.

Las fórmulas que generó SciNet colocaron al Sol en el centro de nuestro sistema solar. Uno de los aspectos más destacados de esta investigación fue que SciNet lo hizo de manera similar a como el astrónomo Nicolás Copérnico descubrió la heliocentricidad.

El equipo destacó esto en un artículo publicado en el repositorio de preimpresión arXiv.

“En el siglo XVI, Copérnico midió los ángulos entre una estrella fija lejana y varios planetas y cuerpos celestes, e hipotetizó que el Sol, y no la Tierra, está en el centro de nuestro sistema solar y que los planetas se mueven alrededor del Sol en órbitas simples”, escribió el equipo. “Esto explica las órbitas complicadas que se ven desde la Tierra”.

El equipo intentó que SciNet predijera los movimientos del Sol y Marte de la manera más simple posible, por lo que SciNet utiliza dos subredes para enviar información de ida y vuelta. Una de las redes analiza los datos y aprende de ellos, y la otra hace predicciones y prueba la precisión basada en ese conocimiento. Debido a que estas redes están conectadas entre sí por solo unos pocos enlaces, la información se comprime y la comunicación es más simple.

Las redes neuronales convencionales aprenden a identificar y reconocer objetos a través de grandes conjuntos de datos, y generan características. Estas se codifican en nodos matemáticos, que se consideran el equivalente artificial de las neuronas. A diferencia de los físicos, las redes neuronales son más impredecibles y difíciles de interpretar.

Inteligencia artificial y descubrimientos científicos

Una de las pruebas consistió en proporcionar a la red neuronal datos simulados sobre los movimientos de Marte y el Sol, tal como se ven desde la Tierra. La órbita de Marte alrededor del Sol parece impredecible y a menudo invierte su curso. Fue en el siglo XVI cuando Nicolás Copérnico descubrió que se podían utilizar fórmulas más simples para predecir los movimientos de los planetas que orbitan alrededor del Sol.

Cuando la red neuronal “descubrió” fórmulas similares para la trayectoria de Marte, redescubrió uno de los conocimientos más importantes de la historia.

Mario Krenn es un físico de la Universidad de Toronto en Canadá, y trabaja en el uso de la inteligencia artificial para hacer descubrimientos científicos.

SciNet redescubrió “uno de los cambios de paradigma más importantes en la historia de la ciencia”, dijo.

Según Renner, los humanos todavía son necesarios para interpretar las ecuaciones y determinar cómo se relacionan con el movimiento de los planetas alrededor del Sol.

Hod Lipson es un roboticista de la Universidad de Columbia en la ciudad de Nueva York.

“Este trabajo es importante porque es capaz de identificar los parámetros cruciales que describen un sistema físico”, dice. “Creo que este tipo de técnicas son nuestra única esperanza de entender y mantener el ritmo con fenómenos cada vez más complejos, en física y más allá”.