El nuevo descubrimiento de los científicos de Google Deepmind sugiere que la inteligencia artificial está alcanzando niveles en los que puede generar información que supera el conocimiento humano.
Un grupo de investigadores de Google DeepMind revelaron recientemente que su nuevo modelo de inteligencia artificial especializado en formulas y números, FunSearch, fue capaz de encontrar la solución a un problema matemático que los humanos jamás habían podido resolver.
En un artículo sobre su descubrimiento publicado en la revista Nature, los científicos de Google DeepMind, quienes estuvieron liderados por el vicepresidente de investigación de la compañía, Pushmeet Kohli, subrayan que los hallazgos encontrados en su experimento representan un hito en la inteligencia artificial, pues aseguran que son pioneros en utilizar un modelo de lenguaje avanzado para descubrir una solución que anteriormente no existía a un antiguo enigma científico sin resolver.
“Esta es la primera vez que alguien ha demostrado que un sistema basado en un modelo de lenguaje avanzado puede ir más allá de lo que sabían los matemáticos e informáticos”, menciona Kohli en el artículo. “No es sólo novedoso, además demuestra que es más eficaz que cualquier otro modelo de IA matemático que existe hoy en día”, añadió haciendo referencia a FunSearch.
Uno de los investigadores que participó en el proyecto, Alhussein Fawzi, reveló que el hallazgo es alucinante, ya que la información para resolver el problema ni siquiera se encontraba como tal en sus datos de entrenamiento, lo que supondría que mediante machine learning el propio modelo desarrolló la capacidad para resolverlo aprendiendo de otros problemas matemáticos.
“Para ser muy honesto, tenemos algunas hipótesis, pero no sabemos con certeza como fue que logró resolver el problema del conjunto de límites”, declaró al respecto Fawzi en una entrevista con el Michingan Institute of Technology.
¿Cómo hizo la IA de Google Deepmind para descifrar el enigma matemático?
FunSearch, es impulsado por una versión actualizada del modelo de lenguaje avanzado PaLM 2 de Google llamada Codey, la cual está respaldada por una segunda capa de un modelo matemático capacitado en código de computadora, programado para analizar la información que arroja Codey, revisarla y eliminar los datos incorrectos.
Mediante la tecnología anteriormente descrita, después de un par de días analizando cientos de distintas posibilidades, FunSearch logró generar una solución completamente nueva para el enigma científico conocido como el “problema del conjunto de límites”, la cual demostró una mayor precisión que las respuestas que hasta ahora han respaldado los matemáticos, quienes durante décadas han tenido puntos de vista encontrados sobre la manera adecuada de abordar este problema.
Adicionalmente, FunSearch también demostró una capacidad sobrehumana para dimensionar objetos y espacios tras completar con un éxito arriba del promedio el “problema de embalaje en contenedores”, el cual busca la mejor forma de acomodar cajas de distintos tamaños en un mismo contenedor para aprovechar mejor el espacio.
El modelo de lenguaje avanzado de Google Deepmind encontró un enfoque con el que evitaba dejar pequeños huecos vacíos, utilizando el 97% del espacio en el contenedor, a diferencia de la mayoría de los humanos que por lo general dejan más del 10% sin utilizarse efectivamente.
¿Qué sigue para FunSearch?
Por el momento FunSearch continuará en pruebas, por lo que únicamente estará a disposición de unos cuantos socios de Google Deepmind, pero sus inventores confían en que su tecnología pronto pueda aplicarse a una variedad de cuestiones matemáticas y de informática, para impulsar grandes avances y descubrimientos en la materia.
Finalmente, Jordan Ellenberg, matemático de la Universidad de Wisconsin-Madison y miembro del equipo de Google Deepmind enfatizó en que ven esta tecnología como una excelente forma para potencializar el talento humano, pero de ninguna manera para reemplazarlo, destacando la importancia de los matemáticos que operan estos sistemas.
“Lo que me resulta más apasionante es que esta clase de modelos están marcando la pauta en la colaboración entre humanos y máquinas”, declaró Ellenberg. “No buscamos utilizarlos como sustitutos para los matemáticos humanos, sino como multiplicadores de fuerza y conocimiento”, puntualizó.
