Después de enseñar trucos de inteligencia artificial que los físicos usan para comprender el mundo real, una máquina extremadamente poderosa
Hay una historia famosa sobre cómo Galileo observó el movimiento de una lámpara en la Catedral de Pisa y lo midió en relación con su pulso. Llegó a la conclusión de que el período es constante e independiente de la amplitud.
Galileo sugirió que el péndulo puede controlar el reloj, y luego desarrolló un dispositivo similar, aunque
Huygens construyó el primer reloj de este tipo 15 años después de la muerte de Galileo.
Al hacer un descubrimiento, el genio de Galileo ignoró todos los detalles desagradables que podrían tenerse en cuenta: resistencia al aire, temperatura, luz parpadeante, ruido, otras personas, etc. Consideró el modelo más simple de una lámpara oscilante, utilizando solo su período, concentrándose en la característica más notable.
Muchos historiadores creen que el enfoque de Galileo representa la etapa más temprana en la evolución del método científico: el proceso que nos dio vuelos, teoría cuántica, computadoras electrónicas, relatividad general e inteligencia artificial.
En los últimos años, los sistemas de inteligencia artificial han comenzado a encontrar patrones interesantes en los datos e incluso derivan de manera independiente ciertas leyes de la física. Pero en estos casos, la IA siempre ha estudiado un conjunto particular de datos aislados de las distracciones del mundo real. Las capacidades de estos sistemas de IA están lejos de alcanzar las capacidades de personas como Galileo.
Esto plantea una pregunta interesante: ¿es posible desarrollar un sistema de IA que desarrolle teorías, como lo hizo Galileo, concentrándose en la información necesaria para explicar los diversos aspectos del mundo que observa?
Hoy, gracias al
trabajo de Tylin Wu y Max Tegmark de MIT, sabemos la respuesta. Desarrollaron IA, copiando el enfoque de Galileo y algunos otros trucos que los físicos han aprendido a lo largo de los siglos. Su sistema AI Physicist es capaz de derivar varias leyes de la física en mundos misteriosos, especialmente creados para simular la complejidad de nuestro universo.
Wu y Tegmark comenzaron por identificar una debilidad significativa en la IA moderna. En un conjunto de datos grande, generalmente buscan una teoría unificada que gobierne todo el conjunto. Pero cuanto más grande y más fragmentado se vuelve el conjunto de datos, más difícil es hacerlo. Para la IA actual, sería imposible buscar las leyes de la física en la catedral.
Para hacer frente a este problema, los físicos usan varios métodos de pensamiento que simplifican la tarea. El primero es desarrollar teorías que describan una pequeña fracción de los datos. El resultado son varias teorías que describen varios aspectos de los datos, por ejemplo, la mecánica cuántica o la teoría de la relatividad. Wu y Tegmark diseñaron AI Physicist para parecerse a grandes conjuntos de datos con el mismo método.
Otra de las reglas básicas de los físicos es la navaja de afeitar de Occam, o la idea de la superioridad de las ideas simples. Por lo tanto, los físicos descartan las teorías que requieren un creador que creó el Universo o la Tierra: la existencia de un creador plantea su propio conjunto de preguntas sobre su naturaleza u origen.
Se sabe que las IA tienden a producir modelos demasiado complejos que describen los datos en los que están capacitados. Por lo tanto, Wu y Tegmark también entrenaron al sistema para preferir teorías más simples que complejas. Utilizaron una medida simple de complejidad basada en la cantidad de información que cubre la teoría.
Otro conocido truco físico es encontrar formas de combinar teorías. Si una teoría es capaz de hacer frente a las tareas de dos, lo más probable es que sea mejor. Esto llevó a los físicos a buscar una ley que lo rija todo (aunque prácticamente no hay evidencia real de la existencia de tal teoría).
El último principio que ayudó a los físicos en su investigación: si algo funcionó antes, puede funcionar con tareas futuras. Por lo tanto, AI Physicist de Wu y Tegmark recuerda las soluciones obtenidas a los problemas e intenta aplicarlas a tareas futuras.
Armados con estas técnicas, Wu y Tegmark enviaron a AI Physicist a trabajar. Desarrollaron 40 mundos misteriosos regidos por las leyes de la física, cambiando de un lugar a otro. En uno de estos mundos, una bola abandonada puede caer bajo la influencia de la gravedad en una región controlada por potencial electromagnético, y luego caer en una región controlada por potencial armónico, y así sucesivamente.
Wu y Tegmark se preguntaron si su Físico de IA podría deducir las leyes físicas correspondientes simplemente estudiando el movimiento de la pelota. Compararon el comportamiento del físico AI con el comportamiento de un "físico recién nacido" utilizando un enfoque similar, pero sin oportunidades de aprendizaje, así como con el trabajo de una red neuronal clásica.
Resulta que tanto el físico AI como el "físico recién nacido" pueden derivar las leyes correctas. "Ambas entidades son capaces de comprender más del 90% de los 40 mundos misteriosos", dicen.
La principal ventaja de AI Physicist sobre el "recién nacido" es el proceso de aprendizaje acelerado y la necesidad de un conjunto de datos más pequeño. "Parece que un científico experimentado puede resolver nuevos problemas más rápido que un novato, confiando en el conocimiento existente de problemas similares", dicen Wu y Tegmark.
Su sistema funciona mucho mejor que una red neuronal normal. "Nuestro físico de IA generalmente aprende más rápido y produce un error cuadrático medio de predicción miles de millones de veces más pequeño que una red neuronal de acción directa estándar de complejidad similar", dicen.
Este es un trabajo impresionante que sugiere que la IA puede afectar significativamente el progreso científico. Por supuesto, una prueba real sería dejar que el Físico AI se convierta en realidad, por ejemplo, colocarlo en la Catedral Inclinada de Pisa y ver si deducirá el principio de acción de un reloj mecánico. O arrojarlo a otros datos complejos, como datos que desconciertan a economistas, biólogos y climatólogos. Esta es claramente una tarea fácil para tal sistema.
Y si el trabajo de AI Physicist es exitoso, los historiadores de la ciencia podrán considerarlo el primer paso en una nueva era de la evolución del método científico desde la época de Galileo y sus semejantes. Nadie sabe a dónde nos puede llevar.