A medida que los algoritmos de aprendizaje automático se vuelven más sofisticados, la inteligencia artificial parece estar lista para revolucionar la práctica de la ciencia misma. En parte, esto provendrá del software que permitirá a los científicos trabajar de manera más efectiva. Pero algunos defensores esperan una transformación fundamental en el proceso de la ciencia. El Desafío Nobel Turing, emitido en 2021 por el destacado informático Hiroaki Kitano, encargó a la comunidad científica que produjera un programa informático capaz de realizar un descubrimiento digno de un Premio Nobel para 2050.
Parte del trabajo de los científicos es descubrir las leyes de la naturaleza, principios básicos que destilan el funcionamiento fundamental de nuestro Universo. Muchas de ellas, como las leyes del movimiento de Newton o la ley de conservación de la masa en las reacciones químicas, se expresan en forma matemática rigurosa. Otras, como la ley de selección natural o la ley de herencia genética de Mendel, son más conceptuales.
La comunidad científica está formada por teóricos, analistas de datos y experimentadores que colaboran para descubrir estas leyes. El sueño detrás del Nobel Turing Challenge es descargar las tareas de los tres en la inteligencia artificial.
Subcontratación de (alguna) ciencia
Subcontratar el trabajo de los científicos a las máquinas no es una idea nueva. Ya en la década de 1970, el profesor de la Universidad Carnegie Mellon, Patrick Langley, desarrolló un programa que llamó BACON, en honor a Francis Bacon, quien fue pionero en el uso del razonamiento empírico en la ciencia. BACON fue capaz de mirar los datos y juntarlos de diferentes maneras hasta que encontró algo que parecía un patrón, similar al descubrimiento de una nueva ley física. Con los datos correctos, BACON descubrió las leyes de Kepler, que gobiernan las órbitas que hacen los planetas alrededor del Sol. Sin embargo, la potencia informática limitada impidió que BACON asumiera tareas más complejas.
En la década de 1990, con más poder de cómputo al alcance de la mano, los científicos desarrollaron una herramienta automatizada que podía buscar fórmulas hasta encontrar una que se ajustara a un conjunto de datos determinado. Esta técnica, llamada regresión simbólica, generaba fórmulas como si fueran una especie, con herencia genética y mutaciones, donde solo sobrevivían las que mejor se ajustaban a los datos. Esta técnica, y sus variantes, impulsaron una nueva era de científicos de IA, muchos con nombres referenciales similares como Eureqa y AI Feynman.
Estos sofisticados algoritmos pueden extraer de forma eficaz nuevas fórmulas, que pueden describir leyes científicas, a partir de vastos conjuntos de datos. Presénteles suficiente información sin procesar y ellos determinarán y cuantificarán las relaciones subyacentes, escupiendo efectivamente hipótesis y ecuaciones plausibles para cualquier situación. Desempeñan el papel del analista de datos, pero los expertos dicen que este enfoque no se trata de reemplazar a todos los científicos humanos.
“El mayor obstáculo es la representación del conocimiento”, dice Ross King, investigador de aprendizaje automático de la Universidad de Cambridge. “Porque si nos fijamos en los grandes avances, como la teoría de la relatividad especial de Einstein, provino de una pregunta filosófica sobre el magnetismo. Y es una reformulación de nuestro conocimiento. No estamos ni cerca de que una computadora pueda hacer eso”.