top of page
Search
  • Writer's pictureAlice Meraviglia

Inteligencia artificial descubre alternativas a la física

Energía, masa y velocidad. Estas tres variables conforman la icónica ecuación de Einstein E=MC2. ¿Pero cómo sabía Einstein estos conceptos en primer lugar? Un paso previo para entender la física es identificar las variables relevantes. Sin el concepto de energía, masa y velocidad, ni siquiera Einstein podría descubrir la relatividad. Pero, ¿se pueden descubrir esas variables de forma automática? Hacerlo podría acelerar enormemente los descubrimientos científicos.



Esta es la pregunta que los investigadores de Columbia Engineering plantearon a un nuevo programa de IA. El programa fue diseñado para observar fenómenos físicos a través de una cámara de vídeo y, a continuación, tratar de buscar el conjunto mínimo de variables fundamentales que describen completamente la dinámica observada. El estudio se publicó el 25 de julio en Nature Computational Science.


Los investigadores empezaron por alimentar el sistema con vídeos sin procesar de fenómenos de los que ya conocían la respuesta. Por ejemplo, introdujeron un vídeo de un péndulo doble que se sabe que tiene exactamente cuatro "variables de estado": el ángulo y la velocidad angular de cada uno de los dos brazos. Tras unas horas de análisis, la IA dio por respuesta la cifra de 4,7.

La imagen muestra un sistema dinámico caótico de palos de columpio en movimiento. El trabajo pretende identificar y extraer el número mínimo de variables de estado necesarias para describir dicho sistema a partir de secuencias de vídeo de alta dimensión directamente. Crédito: Yinuo Qin/Columbia Engineering

"Pensamos que esta respuesta se acercaba lo suficiente", dijo Hod Lipson, director del Laboratorio de Máquinas Creativas del Departamento de Ingeniería Mecánica, donde se realizó principalmente el trabajo. "Sobre todo porque lo único a lo que la IA tenía acceso era a las secuencias de vídeo en bruto, sin ningún conocimiento de física o geometría. Pero queríamos saber cuáles eran realmente las variables, no sólo su número".


Los investigadores procedieron entonces a visualizar las variables reales que el programa identificaba. Extraer las variables en sí no fue fácil, ya que el programa no puede describirlas de una forma intuitiva que sea comprensible para los humanos. Después de algunas pruebas, resultó que dos de las variables elegidas por el programa se correspondían vagamente con los ángulos de los brazos, pero las otras dos siguen siendo un misterio.


"Intentamos correlacionar las otras variables con todo lo que se nos ocurría: velocidades angulares y lineales, energía cinética y potencial, y varias combinaciones de cantidades conocidas", explicó el doctor Boyuan Chen, ahora profesor adjunto de la Universidad de Duke, que dirigió el trabajo. "Pero nada parecía coincidir perfectamente". El equipo confiaba en que la IA había encontrado un conjunto válido de cuatro variables, ya que hacía buenas predicciones, "pero todavía no entendemos el lenguaje matemático que está hablando", explicó.


Después de validar otros sistemas físicos con soluciones conocidas, los investigadores introdujeron vídeos de sistemas cuya respuesta explícita desconocían. Los primeros vídeos mostraban a una "bailarina del aire" ondulando frente a un lote local de coches usados. Tras unas horas de análisis, el programa devolvió ocho variables. Un vídeo de una lámpara de lava también produjo ocho variables. A continuación, introdujeron un clip de vídeo de las llamas de una chimenea navideña en bucle, y el programa devolvió 24 variables.


Una cuestión especialmente interesante era saber si el conjunto de variables era único para cada sistema, o si se producía un conjunto diferente cada vez que se reiniciaba el programa.


"Siempre me he preguntado, si alguna vez conociéramos a una raza alienígena inteligente, ¿habrían descubierto las mismas leyes físicas que nosotros, o podrían describir el universo de una manera diferente?", dijo Lipson. "Tal vez algunos fenómenos parecen enigmáticamente complejos porque estamos tratando de entenderlos utilizando el conjunto equivocado de variables. En los experimentos, el número de variables era el mismo cada vez que se reiniciaba la IA, pero las variables específicas eran diferentes cada vez. Así que sí, hay formas alternativas de describir el universo y es muy posible que nuestras elecciones no sean perfectas".


Los investigadores creen que este tipo de IA puede ayudar a los científicos a descubrir fenómenos complejos para los que la comprensión teórica no sigue el ritmo de la avalancha de datos: áreas que van desde la biología hasta la cosmología. "Aunque hemos utilizado datos de vídeo en este trabajo, se podría utilizar cualquier tipo de fuente de datos de matriz: matrices de radar o matrices de ADN, por ejemplo", explica el doctor Kuang Huang, coautor del artículo.


El trabajo forma parte del interés de Lipson y del catedrático de matemáticas de la Fundación Fu, Qiang Du, por crear algoritmos que puedan destilar los datos en leyes científicas. Los sistemas de software anteriores, como el software Eureqa de Lipson y Michael Schmidt, podían destilar leyes físicas de forma libre a partir de datos experimentales, pero sólo si las variables estaban identificadas de antemano. ¿Pero qué pasa si las variables son aún desconocidas?


Lipson, que también es catedrático de Innovación James y Sally Scapa, sostiene que los científicos pueden estar malinterpretando o no entendiendo muchos fenómenos simplemente porque no tienen un buen conjunto de variables para describirlos.


"Durante milenios, la gente sabía que los objetos se movían rápida o lentamente, pero sólo cuando se cuantificó formalmente la noción de velocidad y aceleración, Newton pudo descubrir su famosa ley del movimiento F=MA", señaló Lipson. Fue necesario identificar las variables que describen la temperatura y la presión antes de poder formalizar las leyes de la termodinámica, y así en todos los rincones del mundo científico. Las variables son un precursor de cualquier teoría.


"¿Qué otras leyes nos estamos perdiendo simplemente porque no tenemos las variables?", preguntó Du, que codirigió el trabajo.



También son coautores del artículo Sunand Raghupathi e Ishaan Chandratreya, que ayudaron a recopilar los datos para los experimentos




517 views0 comments

Comentarios


bottom of page