En un intento por acelerar el proceso científico y reducir los sesgos humanos, investigadores de distintos campos y disciplinas están recurriendo cada vez más a hipótesis creadas mediante algoritmos y soluciones de Inteligencia Artificial, que eliminan o reducen considerablemente la intervención humana. ¿Será la mejor forma de abordar desde nuevas perspectivas viejos enigmas irresueltos, desde cómo progresa un cáncer hasta la naturaleza del cosmos?

Según un artículo publicado en la revista Scientific American, los algoritmos de aprendizaje automático y las aplicaciones de Inteligencia Artificial no solamente pueden mejorar nuestras tecnologías o hacernos la vida más sencilla: también son capaces de guiar a los seres humanos hacia nuevos experimentos y teorías. En definitiva, podrían hacer posible el desarrollo de nuevas visiones para temas que aún no han podido ser comprendidos en profundidad a partir del conocimiento humano.

Hipótesis «artificiales»

La creación de hipótesis ha sido históricamente una tarea exclusivamente humana, mediante la cual nuestra especie investigó su entorno, el planeta y todo el universo, planteándose preguntas que, en muchos casos, derivaron en respuestas que fueron propiciando los avances científicos y tecnológicos de los que hoy disfrutamos.

Sin embargo, precisamente uno de esos avances generados por el conocimiento humano parece destinado a poner en duda ese papel humano: la Inteligencia Artificial podría llegar a ser más eficaz que nosotros mismos para producir nuevas hipótesis y abordar problemas sin solución. De esta forma, quizás en algunas décadas sea un algoritmo el que termine diseñando un esquema superador para el desarrollo de las energías limpias, por dar un ejemplo.

Baterías creadas por algoritmos

Hay indicios concretos: un nuevo estudio desarrollado en la Universidad de Liverpool y publicado en la revista Nature Communications, ha utilizado el aprendizaje automático para agilizar el proceso creativo en la búsqueda de nuevos materiales más eficientes, destinados a la producción de baterías para vehículos eléctricos, entre otras aplicaciones.

Los investigadores crearon una red neuronal artificial sin supervisión humana en su funcionamiento, que clasificaba las combinaciones químicas según la probabilidad de que resultaran en un nuevo material útil. Utilizando estas clasificaciones para guiar sus experimentos en el laboratorio, los especialistas identificaron cuatro materiales prometedores para baterías de forma más rápida y eficiente: se ahorraron largos meses de prueba y error.

Según los especialistas británicos, la optimización en los resultados y en los tiempos de trabajo se concretó gracias a que el aprendizaje automático no supervisado logra capturar los patrones complejos de similitud entre combinaciones de elementos químicos con gran agilidad y precisión, superando a la intuición o la experiencia de los científicos y técnicos humanos.

Tema relacionado: La Inteligencia Artificial alcanza una imaginación similar a la humana.Tema relacionado: La Inteligencia Artificial alcanza una imaginación similar a la humana.

Más preguntas a resolver

Además de las aplicaciones concretas y prácticas, los investigadores también están utilizando redes neuronales y esquemas de Inteligencia Artificial para cuestiones teóricas más amplias y hasta filosóficas. Es el caso de Renato Renner, científico del Instituto de Física Teórica de Zúrich, en Suiza: cree que el aprendizaje automático podrá permitirle desarrollar en un futuro una teoría unificada sobre cómo funciona el universo, la gran pregunta eterna sin respuesta.

En el mismo sentido, ingenieros biomédicos de la Universidad Case Western Reserve fueron capaces de descubrir un patrón reiterado en los casos de pacientes de cáncer que volvían a desarrollar la enfermedad luego de haberla superado. Lo consiguieron gracias a una red de Inteligencia Artificial, a pesar de no comprender en profundidad desde el punto de vista médico cómo actuaba ese factor de reincidencia. A partir del descubrimiento, podrán desarrollar ahora nuevas investigaciones con un enfoque diferente.

Sin embargo, el gran inconveniente a superar para poder profundizar en este tipo de enfoques de Inteligencia Artificial es la denominada «caja negra»: los científicos no saben en concreto cómo funcionan las estructuras de pensamiento que llevan adelante los algoritmos cuando «piensan por su cuenta». Si logran resolver este enigma y descubren la lógica de razonamiento de los algoritmos «independientes», una nueva era del conocimiento podría abrirse ante sus ojos.

Referencia

Element selection for crystalline inorganic solid discovery guided by unsupervised machine learning of experimentally explored chemistry. Andrij Vasylenko et al. Nature Communications (2021).DOI:https://doi.org/10.1038/s41467-021-25343-7

Foto: kalhh en Pixabay.