Quieren crear una inteligencia artificial que supere a los cerebros de Einstein y Hawking

Alguna vez, Albert Einstein describió las teorías científicas como "inventos libres de la mente humana". Pero en 1980, Stephen Hawking, el cosmólogo de la Universidad de Cambridge, tuvo otro pensamiento. Argumentó que la llamada Teoría del Todo, que explicaría en un solo enunciado todos los fenómenos físicos conocidos, podría ser alcanzable, pero que los toques finales serían hechos por computadoras. "El final podría no estar a la vista para la física teórica", dijo. "Pero podría estar a la vista de los físicos teóricos."

La Teoría del Todo aún no está a la vista, pero las computadoras se hacen cargo de muchas de las tareas de la vida (traducir idiomas, reconocer rostros, conducir automóviles), por lo que es probable que tomen el relevo de los Hawkings y los Einsteins del mundo.

Programas de computación como el AlphaGo de DeepMind descubrieron nuevas formas de vencer a los humanos en juegos como el Go y el ajedrez, que han sido estudiados y jugados durante siglos.

¿Por qué no podría una de estas máquinas de aprendizaje, lanzar un enorme catálogo astronómico, discernir un conjunto de nuevas partículas fundamentales o descubrir un agujero de gusano hacia una galaxia lejana, como el de la película Interstellar? Al menos ese es el sueño.

Pensar de otra manera es participar en lo que el físico Max Tegmark llama "chauvinismo del carbono" (un término que refiere a los que creen que toda vida en el Universo debe ser igual a la de la Tierra, surgida de procesos químicos basados en el carbono).

En noviembre, el Instituto Tecnológico de Massachusetts (MIT), donde Tegmark es profesor, recibió un cheque de la Fundación Nacional de Ciencias de los Estados Unidos y abrió las puertas del nuevo Instituto de Inteligencia Artificial e Interacciones Fundamentales.

El instituto, dirigido por Jesse Thaler, un físico de las partículas, es uno de los siete establecidos por la fundación y el Departamento de Agricultura de los Estados Unidos como parte de un esfuerzo para impulsar el trabajo en inteligencia artificial (IA). Cada uno recibe 20 millones de dólares en cinco años.

"Lo que espero es crear un lugar donde los investigadores de una variedad de diferentes campos de la física, así como los investigadores que trabajan en la informática, el aprendizaje por máquina o la IA, puedan reunirse y dialogar y enseñarse cosas unos a otros", dijo Thaler. "En última instancia, quiero tener máquinas que puedan pensar como un físico", agregó.

Aplicaciones científicas de la inteligencia artificial

Su herramienta en este esfuerzo es un tipo de inteligencia artificial (IA) conocida como red neuronal, que imita el modo en que se comunican las neuronas de un cerebro. A diferencia de otros sistemas, como Watson de IBM, que están cargados de conocimiento humano y científico, las redes neuronales están diseñadas para aprender sobre la marcha, como lo hacen los humanos.

Analizan grandes cantidades de datos en busca de patrones ocultos, y aprenden rápidamente a distinguir entre perros y gatos, a reconocer rostros, a replicar el habla humana, a señalar el mal comportamiento financiero y demás. "Esperamos descubrir todo tipo de nuevas leyes de la física", dijo Tegmark. "Esta IA nos ha demostrado que puede redescubrir las leyes de la física."

En 2019, en lo que fue una especie de prueba de arranque, Tegmark y una estudiante, Silviu-Marian Udrescu, tomaron 100 ecuaciones de física de un famoso libro de texto (The Feynman Lectures on Physics, de Richard Feynman, Robert Leighton y Matthew Sands) y las usaron para generar datos que luego fueron volcados a una red neuronal.

El sistema tamizó los datos en busca de patrones y regularidades, y recuperó las 100 fórmulas. "Como un científico humano, intenta muchas estrategias diferentes a la vez", escribieron los investigadores en un artículo publicado en Science Advances.

"Y si no puede resolver todo el problema de una sola vez, trata de transformarlo y dividirlo en piezas más simples que pueden ser abordadas por separado, relanzando recursivamente el algoritmo completo en cada pieza", afirmaron.

En otro experimento más desafiante, Tegmark y sus colegas mostraron a la red un video de cohetes volando alrededor y le pidieron que predijera lo que sucedería de un cuadro a otro. Sin importar las palmeras del fondo. "Al final, la computadora fue capaz de descubrir las ecuaciones esenciales del movimiento", dijo.

Encontrar nuevas partículas en un lugar como el Gran Colisionador de Hadrones del CERN sería pan comido, dijo Tegmark. A la IA le gustan los grandes datos y los datos del colisionador llegan a miles de terabytes por segundo. No importa que una nueva partícula no haya aparecido en los datos del CERN desde el descubrimiento, en 2012, del bosón de Higgs (una suerte de eslabón perdido en el mundo subatómico), a pesar de años de exámenes.

Por ahora, concedió Tegmark, hay límites a lo que se puede rozar con el método recursivo del algoritmo para la resolución de problemas, una práctica conocida como regresión.

Aunque la máquina puede recuperar de un montón de datos las leyes fundamentales de la física, no puede todavía llegar a los principios profundos (como la incertidumbre cuántica en la mecánica cuántica, o la relatividad) que subyacen a esas fórmulas.

"En el momento en que la IA te diga eso, entonces habremos llegado a la Inteligencia General Artificial, y deberás estar muy asustado o muy emocionado, dependiendo de tu punto de vista", dijo Tegmark, citado por la revista dominical porteña Viva.

"La razón por la que estoy trabajando en esto, honestamente, es porque lo que encuentro más amenazante es que construyamos una IA superpoderosa y no tengamos ni idea de cómo funciona, ¿verdad?"

Thaler, en tanto, que dirige el nuevo instituto en el MIT, dijo que alguna vez fue escéptico sobre la inteligencia artificial, pero ahora es evangelista. Se dio cuenta de que como físico podía codificar algunos de sus conocimientos en la máquina, que luego darían respuestas que podría interpretar más fácilmente.

"Eso se convierte en un diálogo entre el humano y la máquina de una manera que se vuelve más emocionante", dijo, "en lugar de tener una caja negra que no entiendes tomando decisiones por ti".

Y añadió: "No me gusta particularmente llamar a estas técnicas ‘inteligencia artificial’, ya que ese lenguaje enmascara el hecho de que muchas técnicas de IA tienen fundamentos rigurosos en matemática, estadística e informática".

Sí, admitió, la máquina puede encontrar soluciones mucho mejores que él a pesar de todo su entrenamiento: "Pero en última instancia, todavía tengo que decidir qué objetivos concretos merecen la pena ser alcanzados, y puedo apuntar a objetivos cada vez más ambiciosos sabiendo que, si puedo definir rigurosamente mis objetivos en un lenguaje que la computadora entienda, entonces la IA puede ofrecer soluciones poderosas."

"Una de las razones por las que la IA ha tenido tanto éxito en la resolución de juegos", dijo Thaler, "es que los juegos tienen una noción muy bien definida de éxito". Y agregó: "Si pudiéramos definir lo que significa el éxito para las leyes físicas, sería un avance increíble".

Algunos físicos piensan que el próximo gran salto vendrá con el advenimiento de la IA en las computadoras cuánticas. A diferencia de las computadoras clásicas, que manipulan bits que pueden ser 1 o 0, los llamados qubits en los ordenadores cuánticos pueden ser ambos a la vez. Según la física cuántica, así es como se comportan las partículas elementales en las escalas más pequeñas de la naturaleza, y permite a los ordenadores cuánticos procesar grandes cantidades de información simultáneamente.

¿Podría una máquina producir los principios abstractos y no intuitivos de la teoría cuántica, o los principios de Einstein de la relatividad? ¿Podría producir una teoría que los humanos no podemos entender? ¿Podríamos terminar en la Matrix, o en un mundo dirigido por SkyNet, como en Terminator?

Jaron Lanier, ingeniero informático que ahora trabaja con Microsoft, dijo que el campo de la informática está lleno de exageraciones románticas sobre el poder y la amenaza de las máquinas superinteligentes. "Elimina el romanticismo. No es una criatura como un gato, es sólo un algoritmo que funciona."

Steven Weinberg, premio Nobel y profesor de la Universidad de Texas en Austin, dijo que era "un pensamiento preocupante" que los humanos no fueran lo suficientemente inteligentes para entender la teoría final del todo. "Pero sospecho que en ese caso tampoco seremos lo suficientemente inteligentes para diseñar una computadora que pueda encontrar una teoría final."