Las aplicaciones de la inteligencia artificial (IA) son presumiblemente ilimitadas. Más allá de los usos cotidianos con los que muchos de nosotros ya estamos familiarizados se está empleando en el diseño de fármacos, el diagnóstico de enfermedades, la optimización de procesos industriales o el análisis de mecanismos físicos o químicos complejos, entre otras opciones. Incluso se está utilizando para resolver problemas matemáticos de enorme dificultad.
Además, los algoritmos que utilizan redes neuronales profundas y aprendizaje automático están diseñados para identificar patrones complejos en grandes volúmenes de información, lo que les permite reconocer imágenes, voz o procesar el lenguaje natural con mucha eficacia. La IA ha llegado a nuestras vidas, y es evidente que va a quedarse, pero lo más sorprendente es que se está consolidando como una herramienta extremadamente valiosa en campos relativamente exóticos.
Es posible que la IA nos ayude a resolver los problemas matemáticos del milenio
En octubre de 2024 Meta AI, la inteligencia artificial de Meta, consiguió generalizar la función de Lyapunov. El matemático ruso Aleksander Lyapunov propuso el concepto de la función que lleva su nombre en 1892. Su trabajo es una herramienta muy importante en el estudio de los sistemas dinámicos, pero los matemáticos se han esforzado desde entonces para encontrar un método general que permita identificar las funciones de Lyapunov. Y no han tenido éxito. Sin embargo, Meta AI sí lo ha tenido.
Nuestro conocimiento matemático ya no volverá a estar limitado por la intuición y la capacidad humana
La estrategia utilizada por la empresa liderada por Mark Zuckerberg para resolver el desafío de las funciones de Lyapunov ha consistido en entrenar un modelo de IA para reconocer patrones y relaciones entre determinados sistemas dinámicos y sus correspondientes funciones de Lyapunov. Esto es, precisamente, lo que se le da bien a la IA. Y es un enorme éxito porque nuestro conocimiento matemático ya no volverá a estar limitado por la intuición y la capacidad humana. La IA pone en nuestras manos una nueva forma de abordar los problemas matemáticos complejos, identificando patrones que a priori permanecen ocultos para el ser humano.
No obstante, en el ámbito de las matemáticas la IA todavía tiene que mejorar para ayudarnos a resolver los grandes desafíos que tiene el ser humano por delante. Sergei Gukov, profesor de física teórica y matemáticas en el Instituto de Tecnología de California (Caltech), lidera un equipo de investigadores que está buscando la forma de utilizar la IA para resolver problemas matemáticos avanzados que requieren miles, millones, o, incluso, miles de millones de pasos. Actualmente estos científicos están trabajando en la conjetura de Andrews-Curtis, un problema de teoría combinatoria de grupos propuesto hace 60 años.
Aún no han conseguido resolver la conjetura principal, pero con la ayuda de la IA han logrado algo importante: han refutado varias familias de problemas relacionados con la conjetura de Andrews-Curtis y conocidos como contraejemplos que han permanecido abiertos durante más de 25 años. Gukov reconoce que los modelos de IA actuales tienen limitaciones importantes a la hora de enfrentarse a problemas matemáticos muy complejos, pero tiene la esperanza de que en el futuro esta tecnología permita al ser humano resolver los problemas matemáticos del milenio. Según este matemático la mejor baza que tienen los investigadores para afrontar este reto consiste en instruir a la IA recurriendo al aprendizaje por refuerzo.
Imagen | Generada por Xataka con DALL-E
Más información | IEEE Spectrum
Ver 17 comentarios
17 comentarios
eltoloco
El titular es como poco sensacionalista, por no decir falso.
A día de hoy no hay ninguna IA que haya hecho ningún descubrimiento científico, ni siquiera matemático, y el motivo es muy simple, absolutamente todas las IAs que existen y que existirán en el futuro cercano, incluso a largo plazo, son modelos matemáticos basados en la estadística.
Esto quiere decir que dependen del conocimiento previo como datos de entrenamiento, y con ello en base a una entrada de datos o prompt generan una predicción, que no tiene porque ser cierta, y de hecho en muchísimos casos son erróneas, y requieren de validación manual. Por lo tanto nunca van a generar nuevo conocimiento.
El caso que se expone de la generalización de una función matemática es un claro ejemplo, primero de todo es que dicha generalización no la ha hecho una IA como se asegura en el subtítulo, sino que ha sido un equipo de matemáticos que la ha hecho usando herramientas de IA como ayuda para ello, que no tiene nada que ver. Pero es que además sin los conocimientos previos, que es la propia función de Lyapunov y miles de ejemplos de uso de dicha función, la IA simplemente no habría servido para nada.
Y el segundo caso que se expone es directamente basura, una "noticia" de que un grupo de gente está intentando resolver un problema, y usan la palabra IA para generar hype. Menudo notición..
Pejin
¿Las inteligencias artificiales como Copilot o Chat gpt sirven para investigación científica?