En lo que es un momento monumental tanto en IA como en física, una red neuronal ha «redescubierto» que la Tierra orbita alrededor del Sol. El nuevo desarrollo podría ser crítico para resolver problemas de mecánica cuántica, y los investigadores esperan que pueda usarse para descubrir nuevas leyes de la física mediante la identificación de patrones dentro de grandes conjuntos de datos.
La red neuronal, llamada SciNet, recibió mediciones que muestran cómo el Sol y Marte se ven desde la Tierra. Los científicos del Instituto Federal de Tecnología de Suiza encargaron a SciNet que predijera 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, incluido el 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 usan los físicos cuando crean ecuaciones. Para hacer esto, los investigadores tuvieron que basar la red neuronal en el cerebro humano.
Las fórmulas generadas por SciNet colocaron al Sol en el centro de nuestro sistema solar. Uno de los aspectos notables de esta investigación fue que SciNet hizo esto de manera similar a cómo el astrónomo Nicolaus Copernicus descubrió el heliocentrismo.
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 distante y varios planetas y cuerpos celestes y planteó la hipótesis de 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 forma simple. órbitas”, escribió el equipo. «Esto explica las órbitas complicadas vistas 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 usa dos subredes para enviar información de un lado a otro. Una de las redes analiza los datos y aprende de ellos, y la otra hace predicciones y prueba la precisión en función de ese conocimiento. Debido a que estas redes están conectadas entre sí por unos pocos enlaces, la información se comprime y la comunicación es más sencilla.
Las redes neuronales convencionales aprenden a identificar y reconocer objetos a través de grandes conjuntos de datos y generan características. Luego, 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 datos simulados sobre los movimientos de Marte y el Sol, vistos desde la Tierra. La órbita de Marte alrededor del Sol parece impredecible y, a menudo, invierte su curso. Fue en la década de 1500 cuando Nicolaus Copernicus descubrió que se podían usar 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 Mar, redescubrió uno de los conocimientos más importantes de la historia.
Mario Krenn es físico de la Universidad de Toronto en Canadá y trabaja en el uso de inteligencia artificial para hacer descubrimientos científicos.
SciNet redescubrió “uno de los cambios de paradigmas más importantes en la historia de la ciencia”, dijo.
Según Renner, todavía se necesitan humanos para interpretar las ecuaciones y determinar cómo están conectadas con el movimiento de los planetas alrededor del Sol.
Hod Lipson es especialista en robótica en 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 comprender y seguir el ritmo de fenómenos cada vez más complejos, en la física y más allá”.