Las aplicaciones de la inteligencia artificial (IA) son presumiblemente ilimitadas. Más allá de los usos cotidianos con los que muchos de nosotros ya estamos familiarizados se está empleando en el diseño de fármacos, el diagnóstico de enfermedades, la optimización de procesos industriales o el análisis de mecanismos físicos o químicos complejos, entre otras opciones. Incluso se está utilizando para resolver problemas matemáticos de enorme dificultad.
Además, los algoritmos que utilizan redes neuronales profundas y aprendizaje automático están diseñados para identificar patrones complejos en grandes volúmenes de información, lo que les permite reconocer imágenes, voz o procesar el lenguaje natural con mucha eficacia. La IA ha llegado a nuestras vidas, y es evidente que va a quedarse, pero lo más sorprendente es que se está consolidando como una herramienta extremadamente valiosa en campos relativamente exóticos.
A la IA se le dan bien las matemáticas
Durante 132 años a los mejores matemáticos del mundo se les ha resistido la generalización de la función de Lyapunov. Esta herramienta matemática sirve para predecir el comportamiento de un sistema dinámico y determinar si es o no estable. Esta definición parece complicada, pero en realidad es sencilla. Un sistema dinámico no es otra cosa que uno o varios objetos (entendiendo la acepción de 'objeto' en su sentido más amplio) con la capacidad de interaccionar y evolucionar a lo largo del tiempo de acuerdo con un conjunto de reglas.
El mercado financiero, el clima o una estrella de neutrones que orbita en torno a un agujero negro son sistemas dinámicos. Y la función de Lyapunov tiene la capacidad, en determinadas circunstancias, de identificar si el comportamiento de estos sistemas a medida que transcurre el tiempo será estable, o si, por el contrario, se comportarán de una forma caótica. Si un sistema dinámico es estable es posible predecir su comportamiento, pero si es caótico resultará completamente impredecible.
El matemático ruso Aleksander Lyapunov propuso el concepto de la función que lleva su nombre en 1892. Su trabajo es una herramienta muy importante en el estudio de los sistemas dinámicos, pero los matemáticos se han esforzado desde entonces para encontrar un método general que permita identificar las funciones de Lyapunov. Y no han tenido éxito. Sin embargo, Meta AI, la inteligencia artificial de Meta, ha triunfado allí donde el ser humano ha fracasado durante más de un siglo.
La estrategia utilizada por la empresa liderada por Mark Zuckerberg para resolver el desafío de las funciones de Lyapunov ha consistido en entrenar un modelo de IA para reconocer patrones y relaciones entre determinados sistemas dinámicos y sus correspondientes funciones de Lyapunov. Esto es, precisamente, lo que, como hemos visto, se le da bien a la IA. Y es un enorme éxito porque nuestro conocimiento matemático ya no volverá a estar limitado por la intuición y la capacidad humana. La IA pone en nuestras manos una nueva forma de abordar los problemas matemáticos complejos, identificando patrones que a priori permanecen ocultos para el ser humano.
Con toda probabilidad durante los próximos años seremos testigos de más logros de la IA parecidos al que acaba de protagonizar Meta. De hecho, hay muchos otros problemas matemáticos planteados hace más de un siglo en los que presumiblemente esta herramienta tiene mucho que decir. Sin embargo, la IA no es infalible. Tiene limitaciones.
En aquellos problemas, sean del ámbito que sean, que no se puedan describir de una forma inteligible por una IA probablemente la intuición humana será más valiosa. Y, además, no debemos pasar por alto las implicaciones éticas que conlleva la utilización de esta herramienta para resolver desafíos que de otra forma estarían fuera del alcance del ser humano. Pero esto es harina de otro costal y si queréis podemos abordar las consecuencias éticas de la IA en otro artículo.
Imagen | Jeswin Thomas
Más información | Medium
Ver todos los comentarios en https://www.xataka.com
VER 0 Comentario