Aunque las AI avanzan de forma exponencial aún no saben lidiar correctamente con el caos y la imprevisibilidad. Investigadores creen que pueden solucionar esto enseñando física a las AI.
Para ser más específicos, la función hamiltoniana, que brinda la totalidad de información de sistemas dinámicos: toda la energía contenida en él, tanto cinética como potencial. Las redes neuronales diseñadas para imitar el cerebro humano tienen una visión más amplia de lo que está sucediendo. Es por esto que enseñarles física puede abrir la posibilidad de que solucionen problemas aún más complejos.
El Hamiltoniano es realmente la salsa especial que le da a las redes neuronales la capacidad de aprender el orden y el caos.
Con el Hamiltoniano, la red neuronal comprende la dinámica subyacente de una manera que una red convencional no puede. Este es un primer paso hacia las redes neuronales con conocimientos de física que podrían ayudarnos a resolver problemas difíciles
Físico Jhon Lindner, Universidad Estatal de California del Norte
Los investigadores comparan la enseñanza con un péndulo oscilante. En los sistemas convencionales se le entregaría una instantánea del la posición del péndulo. Pero la hamiltoniana proporcionaría a la AI información sobre la velocidad de oscilación y su trayectoria de recorrido. Si la red comprende la hamiltoniana, podría saber desde dónde está, para dónde puede dirigirse y la energía que posee. Éstas son las mejores condiciones para empezar a entender le caos en orden, encontraron los investigadores.
Además ampliar la capacidad de pronosticar resultados dinámicos e impredecibles sin un gran número de nodos adicionales. Las AI entienden un poco más cómo funciona realmente el mundo.
(Universidad Estatal de Carolina del Norte)
Para comprobar que las redes realmente funcionan se realizó una prueba con el modelo Hénon-Helies, con el cual se modela el movimiento de una estrella al rededor del centro galáctico. La red pasó la prueba exitosamente, prediciendo la dinámica en estados del orden y caos.
Las AI mejoradas pueden usarse para potenciar lo que se ha venido haciendo: simular el espacio, actualizar películas, diagnóstico de problemas médicos o desarrollo de nuevos medicamentos.
escrito primero en ScinceAlert, artículo publicado en APS Physics, puede leerlo aquí.
