Investigadores de la Universidad de Columbia en Nueva York desarrollaron un nuevo algoritmo de inteligencia artificial (IA) que aparentemente ha descubierto su propia física alternativa. Los científicos presentaron a la IA videos de una variedad de sistemas físicos, con el objetivo de que determinara cuántas variables de estado ocultas es probable que tuvieran estos sistemas, y cuáles podrían ser. Sin embargo, quedaron desconcertados por los resultados, pues la IA identificó nuevos conjuntos candidatos de variables de estado totalmente insospechados, comunicaron los científicos este lunes en el portal de la universidad.
Después de mostrarle videos de fenómenos físicos en la Tierra, que van desde péndulos dobles elásticos hasta las llamas de una chimenea, la IA no confirmó las variables que se emplean en la física actual para describir estos sistemas, que ya se entienden desde las teorías existentes, sino que se le ocurrieron nuevas variables para explicarlos.
«Intentamos correlacionar las otras variables con todo lo que se nos ocurrió: velocidades angulares y lineales, energía cinética y potencial, y varias combinaciones de cantidades conocidas […] pero nada parecía encajar perfectamente», dijo Boyuan Chen, profesor asistente y experto en ‘software’ en la Universidad de Duke, quien dirigió la investigación.
Cada vez que se reiniciaba la IA, la cantidad de variables fundamentales necesarias para explicar el sistema era la misma, pero eran diferentes cada vez. Los investigadores concluyeron que hay formas alternativas de describir el universo y es muy posible que los enfoques asumidos por la ciencia no sean los correctos.
Los expertos subrayaron que el algoritmo diseñado descubrió la dimensión íntima de la dinámica observada e identificó conjuntos candidatos de variables de estado, sin ningún conocimiento previo de la física subyacente. También sugirieron que, en el futuro, la IA podría ayudar a identificar variables que sustentan nuevos conceptos de los que actualmente no hay conocimiento alguno.
«¿Qué otras leyes nos faltan simplemente porque no tenemos las variables?», cuestionó el matemático Qiang Du de la Universidad de Columbia y coautor del estudio. Los hallazgos fueron presentados en la revista Nature Computacional Science.
RT