Cuando un padre enseña a su hijo pequeño a relacionarse con el mundo, lo enseña a través de asociaciones y la identificación de patrones. Tomemos la letra S, por ejemplo. Los padres muestran a su hijo suficientes ejemplos de la letra y antes de que pasen mucho tiempo, podrán identificar otros ejemplos en contextos donde no hay orientación activa; escuela, un libro, un cartel publicitario.

Gran parte de la tecnología de inteligencia artificial (IA) en constante evolución se enseñó de la misma manera. Los investigadores alimentaron al sistema con ejemplos correctos de algo que querían que reconociera, y al igual que un niño pequeño, la IA comenzó a reconocer patrones y a extrapolar ese conocimiento a contextos que nunca antes había experimentado, formando su propia “red neuronal” para la categorización. Al igual que la inteligencia humana, sin embargo, los expertos perdieron la pista de las entradas que informaron la toma de decisiones de la IA. 

El problema del “caja negra” de la IA surge así como el hecho de que no entendemos completamente cómo ni por qué un sistema de IA hace conexiones, ni las variables que juegan en sus decisiones. Este problema es especialmente relevante cuando se busca mejorar la confiabilidad y la seguridad de los sistemas y establecer la gobernanza de la adopción de la IA. 

Desde un vehículo impulsado por IA que no frena a tiempo y lastima a los peatones, hasta dispositivos de tecnología de la salud que dependen de la IA y asisten a los médicos en el diagnóstico de pacientes, y sesgos exhibidos por los procesos de selección de personal impulsados por IA, la complejidad detrás de estos sistemas ha llevado al surgimiento de un nuevo campo de estudio: la física de la IA, que busca establecer aún más la IA como una herramienta para que los humanos logren una comprensión más profunda. 

Ahora, un nuevo grupo de estudio independiente abordará estos desafíos fusionando los campos de la física, la psicología, la filosofía y las neurociencias en una exploración interdisciplinaria de los misterios de la IA.

NTT propone confiabilidad y seguridad de la IA

El recién anunciado Grupo de Física de la Inteligencia Artificial es una escisión del Laboratorio de Física e Informática (PHI) de NTT Research, y se presentó en la conferencia Upgrade 2025 de NTT en San Francisco, California, la semana pasada. Continuará avanzando en el enfoque de la Física de la Inteligencia Artificial para comprender la IA, que el equipo ha estado investigando durante los últimos cinco años. 

El Dr. Hidenori Tanaka, quien tiene un doctorado en Física Aplicada y Ciencias de la Computación e Ingeniería de la Universidad de Harvard, liderará el nuevo grupo de investigación, basándose en su experiencia previa en el Grupo de Sistemas Inteligentes de NTT y en el programa de investigación de IA de CBS-NTT sobre la física de la inteligencia en Harvard.

“Como físico, me emociona el tema de la inteligencia porque, matemáticamente, ¿cómo puedes pensar en el concepto de creatividad? ¿Cómo puedes pensar en la amabilidad? Estos conceptos habrían seguido siendo abstractos si no fuera por la IA. Es fácil especular, diciendo ‘esta es mi definición de amabilidad’, que no es matemáticamente significativa, pero ahora con la IA, es prácticamente importante porque si queremos hacer que la IA sea amable, debemos decirle en el lenguaje de las matemáticas qué es la amabilidad, por ejemplo”, dijo el Dr. Tanaka la semana pasada en los márgenes de la conferencia Upgrade.  

Al principio de su investigación, el Laboratorio PHI reconoció la importancia de comprender la naturaleza de “caja negra” de la IA y el aprendizaje automático para desarrollar nuevos sistemas con una mayor eficiencia energética para la computación. El avance de la IA en la última media década, sin embargo, ha evocado consideraciones de seguridad y confiabilidad cada vez más importantes, que se han vuelto críticas para las aplicaciones industriales y las decisiones de gobernanza sobre la adopción de la IA. 

A través del nuevo grupo de investigación, NTT Research abordará las similitudes entre la inteligencia biológica y artificial, con la esperanza de desentrañar las complejidades de los mecanismos de la IA y construir una fusión más armoniosa de la colaboración humano-IA. 

Aunque esta aproximación es novedosa en su integración de la IA, no es nueva. Los físicos han buscado revelar los detalles precisos de las relaciones tecnológicas y humanas durante siglos, desde los estudios de Galileo Galilei sobre cómo se mueven los objetos y su contribución a la mecánica, hasta cómo la máquina de vapor informó la comprensión de la termodinámica durante la Revolución Industrial. En el siglo XXI, sin embargo, los científicos buscan comprender cómo funciona la IA en términos de entrenamiento, acumulación de conocimiento y toma de decisiones para que, en el futuro, se puedan diseñar tecnologías de IA más cohesivas, seguras y confiables. 

“La IA es una red neuronal, la forma en que está estructurada es muy similar a cómo funciona el cerebro humano; neuronas conectadas por sinapsis, que están representadas por números dentro de una computadora. Y ahí es donde creemos que puede haber física… La física se trata de tomar cualquier cosa del universo, formular hipótesis matemáticas sobre su funcionamiento interno y probarlas”, dijo el Dr. Hanaka. 

El nuevo grupo continuará colaborando con el Centro de Ciencia del Cerebro de la Universidad de Harvard (CBS), y planea colaborar con el profesor asociado de la Universidad de Stanford, Suya Ganguli, con quien el Dr. Tanaka ha coescrito varios artículos. 

Sin embargo, el Dr. Tanaka enfatiza que un enfoque de ciencias naturales y transindustrial será fundamental. En 2017, cuando era candidato a doctorado en Harvard, el investigador se dio cuenta de que quería hacer más que la física tradicional, y seguir los pasos de sus predecesores, desde Galilei hasta Newton y Einstein, para abrir nuevos mundos conceptuales en la física. 

“Actualmente, la IA es el tema del que puedo hablar con todos. Como investigador, es genial porque todos siempre están dispuestos a hablar sobre la IA, y también aprendo de cada conversación porque me doy cuenta de cómo la gente ve y utiliza la IA de manera diferente, incluso más allá de los contextos académicos. Veo la misión de NTT como el catalizador para encender estas conversaciones, independientemente de los antecedentes de las personas, porque aprendemos de cada interacción”, concluyó el Dr. Tanaka.