La inteligencia artificial vuelve a superar a los humanos

Pushmeet Kohli, jefe de inteligencia artificial científica de Google DeepMind, declaró en una entrevista con The Guardian: “Cuando comenzamos el proyecto, no había indicios reales de que la IA fuera a producir algo nuevo”, y añadió: “Hasta donde sabemos, es la primera vez que se realiza un descubrimiento científico real y nuevo con un modelo de lenguaje grande”.

Según los ingenieros del departamento de inteligencia artificial de Google, un chatbot parece ahora una de las mentes más brillantes en el campo de la combinatoria, que puede ser un área de las matemáticas agotadora y frustrante. Al principio, esto solo pretendía ser una prueba de concepto; el verdadero avance fue un nuevo algoritmo al que el equipo llamó FunSearch. Sin embargo, la IA no se conformó con ser una prueba de concepto y siguió adelante, encontrando soluciones a problemas no resueltos mucho mejores que las halladas anteriormente.

Alhussein Fawzi y Bernardino Romera Paredes escribieron en un blog para DeepMind: “FunSearch ha descubierto nuevas soluciones para el problema de establecer límites superiores, un problema abierto desde hace mucho tiempo en matemáticas”, y continuaron: “El problema consistía en encontrar el conjunto de puntos más grande (llamado conjunto límite) en una cuadrícula de alta dimensión donde no se encuentren tres puntos en una línea”.

En este punto, puede ser útil dar un ejemplo. En el juego Set, se reparten 12 cartas, cada una marcada con una combinación única de forma, color, sombreado y número. El objetivo de los jugadores es encontrar un conjunto (set) de tres cartas donde cada una de estas características sea completamente diferente o igual a las de las demás. Por ejemplo, un grupo formado por una carta con un diamante rojo, una carta con dos diamantes de rayas azules y una tercera con tres diamantes verdes vacíos constituye un set, porque todos tienen diamantes. Sin embargo, aparte de ser diamantes, los colores, sombreados y números en cada uno son diferentes.

Si nadie puede encontrar uno de estos sets con las 12 cartas sobre la mesa, lo cual es perfectamente posible, se reparten más cartas hasta que se encuentre un set. Los matemáticos decidieron preguntar cuántas cartas se pueden repartir antes de que aparezca un set, o en lenguaje matemático, cuál es el tamaño máximo de un set en Z34.

De hecho, este problema en particular se resolvió en 1971 y la respuesta fue 20. Sin embargo, cuando se trata de conjuntos más grandes, las cosas se vuelven mucho más difíciles. Como es tristemente común en la combinatoria, el número de soluciones potenciales aumenta increíblemente rápido, y solo al llegar a ocho características, hay que lidiar con combinaciones de unas 31.600 “cartas” potenciales.

Como era de esperar, los humanos aún no han podido resolver este problema. Quizás más importante que la pregunta de por qué intentaríamos algo así, es que ni siquiera está claro cómo intentarlo. Los matemáticos ni siquiera han podido ponerse de acuerdo sobre la mejor manera de abordar el problema de establecer límites superiores para n = 8, y mucho menos encontrar la respuesta.

Por eso, el hecho de que la inteligencia artificial de Google parezca haber resuelto este problema con un límite de 512 dimensiones, hasta ahora desconocido, se convierte en un logro muy notable.

Kohli dijo en una entrevista con Nature: “Esta es la primera vez que se demuestra que un sistema basado en modelos de lenguaje puede ir más allá de lo que conocen los matemáticos y científicos informáticos”, y continuó: “Esto no solo es nuevo, sino que también es más eficaz que cualquier otra cosa que exista hoy en día”.

Aunque los resultados de los descubrimientos de DeepMind son increíbles, los matemáticos probablemente aún no deban preocuparse por su seguridad laboral. Por ahora, FunSearch se limita a problemas que cumplen una serie de criterios específicos. Para poder resolver problemas, estos deben poder evaluarse y puntuarse de forma fácil y eficiente, y seguir el mismo truco de “rellenar el código faltante” que el equipo utilizó en los problemas de conjuntos de cobertura y empaquetado de cajas. Los investigadores señalan, por ejemplo, que generar pruebas sería actualmente muy difícil para la inteligencia artificial, porque no se pueden calificar tales cosas de una manera que tenga sentido para una computadora.

Aun así, el hecho de que se haya resuelto un rompecabezas cuya respuesta no se encontraba desde hace mucho tiempo es otro ejemplo del poder y las capacidades de la inteligencia artificial.

El estudio fue publicado en la revista Nature.

Fuente de la noticia: 12punto