Incrustaciones latentes de un marco coloreado por variables de estado físico. Crédito:Boyuan Chen/Columbia Engineering
Energía, masa, velocidad. Estas tres variables forman la icónica ecuación de Einstein E=MC 2 . Pero, ¿cómo supo Einstein sobre estos conceptos en primer lugar? Un paso previo a la comprensión de la física es la identificación de variables relevantes. Sin el concepto de energía, masa y velocidad, ni siquiera Einstein podría descubrir la relatividad. Pero, ¿pueden esas variables descubrirse automáticamente? Si lo hace, podría acelerar en gran medida el descubrimiento científico.
Esta es la pregunta que los investigadores de Columbia Engineering plantearon a un nuevo programa de IA. El programa fue diseñado para observar fenómenos físicos a través de una cámara de video, luego tratar de buscar el conjunto mínimo de variables fundamentales que describen completamente la dinámica observada. El estudio fue publicado el 25 de julio en Nature Computational Science .
Los investigadores comenzaron alimentando el sistema con secuencias de video sin procesar de fenómenos para los cuales ya conocían la respuesta. Por ejemplo, alimentaron un video de un péndulo doble oscilante que se sabe que tiene exactamente cuatro "variables de estado":el ángulo y la velocidad angular de cada uno de los dos brazos. Después de unas horas de análisis, la IA produjo la respuesta:4.7.
"Pensamos que esta respuesta estaba lo suficientemente cerca", dijo Hod Lipson, director del Laboratorio de Máquinas Creativas en el Departamento de Ingeniería Mecánica, donde se realizó principalmente el trabajo. "Sobre todo porque la IA solo tenía acceso a secuencias de video sin procesar, sin ningún conocimiento de física o geometría. Pero queríamos saber cuáles eran las variables en realidad, no solo su número".
Luego, los investigadores procedieron a visualizar las variables reales que identificó el programa. Extraer las variables en sí no fue fácil, ya que el programa no puede describirlas de manera intuitiva que sea comprensible para los humanos. Después de investigar un poco, pareció que dos de las variables que eligió el programa correspondían vagamente a los ángulos de los brazos, pero las otras dos siguen siendo un misterio.
"Intentamos correlacionar las otras variables con todo lo que se nos ocurrió:velocidades angulares y lineales, energía cinética y potencial, y varias combinaciones de cantidades conocidas", explicó Boyuan Chen Ph.D., ahora profesor asistente en la Universidad de Duke. quien dirigía la obra. "Pero nada parecía encajar perfectamente". El equipo confiaba en que la IA había encontrado un conjunto válido de cuatro variables, ya que estaba haciendo buenas predicciones, "pero aún no entendemos el lenguaje matemático que habla", explicó.
Después de validar una serie de otros sistemas físicos con soluciones conocidas, los investigadores alimentaron videos de sistemas para los que no sabían la respuesta explícita. Los primeros videos mostraban a un "bailarín del aire" ondulando frente a un estacionamiento local de autos usados. Después de algunas horas de análisis, el programa devolvió ocho variables. Un video de una lámpara de lava también produjo ocho variables. Luego alimentaron un videoclip de llamas de un bucle de chimenea navideña, y el programa devolvió 24 variables.
Una pregunta particularmente interesante era si el conjunto de variables era único para cada sistema o si se producía un conjunto diferente cada vez que se reiniciaba el programa.
"Siempre me pregunté, si alguna vez nos encontráramos con una raza alienígena inteligente, ¿habrían descubierto las mismas leyes físicas que nosotros, o podrían describir el universo de una manera diferente?" dijo Lipson. "Tal vez algunos fenómenos parezcan enigmáticamente complejos porque estamos tratando de entenderlos usando el conjunto incorrecto de variables. En los experimentos, la cantidad de variables era la misma cada vez que se reiniciaba la IA, pero las variables específicas eran diferentes cada vez. Así que sí, hay formas alternativas de describir el universo y es muy posible que nuestras elecciones no sean perfectas".
Los investigadores creen que este tipo de IA puede ayudar a los científicos a descubrir fenómenos complejos para los cuales la comprensión teórica no está a la altura de la avalancha de datos, áreas que van desde la biología hasta la cosmología. "Si bien usamos datos de video en este trabajo, se podría usar cualquier tipo de fuente de datos de matriz:matrices de radar o matrices de ADN, por ejemplo", explicó Kuang Huang, Ph.D., coautor del artículo.
El trabajo es parte del interés de décadas del Profesor de Matemáticas Qiang Du de la Fundación Lipson y Fu en la creación de algoritmos que puedan destilar datos en leyes científicas. Los sistemas de software anteriores, como el software Eureqa de Lipson y Michael Schmidt, podían destilar leyes físicas de forma libre a partir de datos experimentales, pero solo si las variables se identificaban con anticipación. Pero, ¿y si las variables aún se desconocen?
Lipson, quien también es profesor de innovación de James and Sally Scapa, argumenta que los científicos pueden estar malinterpretando o fallando en comprender muchos fenómenos simplemente porque no tienen un buen conjunto de variables para describir los fenómenos.
"Durante milenios, la gente sabía acerca de los objetos que se movían rápida o lentamente, pero solo cuando la noción de velocidad y aceleración se cuantificó formalmente, Newton pudo descubrir su famosa ley de movimiento F =MA", señaló Lipson. Era necesario identificar las variables que describen la temperatura y la presión antes de que se pudieran formalizar las leyes de la termodinámica, y así sucesivamente para todos los rincones del mundo científico. Las variables son un precursor de cualquier teoría.
"¿Qué otras leyes nos faltan simplemente porque no tenemos las variables?" preguntó Du, quien codirigió el trabajo.
El documento también fue coautor de Sunand Raghupathi e Ishaan Chandratreya, quienes ayudaron a recopilar los datos para los experimentos. Los astrónomos descubren docenas de nuevas estrellas variables