Imagínese utilizar inteligencia synthetic para comparar dos creaciones aparentemente no relacionadas: el tejido biológico y la “Sinfonía n.° 9” de Beethoven. A primera vista, puede parecer que un sistema vivo y una obra maestra musical no tienen ninguna conexión. Sin embargo, un novedoso método de IA desarrollado por Markus J. Buehler, profesor de ingeniería de McAfee y profesor de ingeniería civil y ambiental e ingeniería mecánica en el MIT, cierra esta brecha y descubre patrones compartidos de complejidad y orden.
“Al combinar IA generativa con herramientas computacionales basadas en gráficos, este enfoque revela concepts, conceptos y diseños completamente nuevos que antes eran inimaginables. Podemos acelerar los descubrimientos científicos enseñando a la IA generativa a hacer predicciones novedosas sobre concepts, conceptos y diseños nunca antes vistos”, afirma Buehler.
La investigación de acceso abierto, recientemente publicado en Aprendizaje automático: ciencia y tecnologíademuestra un método avanzado de IA que integra la extracción de conocimiento generativo, la representación basada en gráficos y el razonamiento gráfico inteligente multimodal.
El trabajo utiliza gráficos desarrollados utilizando métodos inspirados en la teoría de categorías como mecanismo central para enseñar al modelo a comprender las relaciones simbólicas en la ciencia. La teoría de categorías, una rama de las matemáticas que se ocupa de las estructuras abstractas y las relaciones entre ellas, proporciona un marco para comprender y unificar diversos sistemas centrándose en los objetos y sus interacciones, en lugar de su contenido específico. En la teoría de categorías, los sistemas se ven en términos de objetos (que pueden ser cualquier cosa, desde números hasta entidades más abstractas como estructuras o procesos) y morfismos (flechas o funciones que definen las relaciones entre estos objetos). Al utilizar este enfoque, Buehler pudo enseñar al modelo de IA a razonar sistemáticamente sobre conceptos y comportamientos científicos complejos. Las relaciones simbólicas introducidas a través de morfismos dejan claro que la IA no se limita a establecer analogías, sino que se involucra en un razonamiento más profundo que mapea estructuras abstractas en diferentes dominios.
Buehler utilizó este nuevo método para analizar una colección de 1.000 artículos científicos sobre materiales biológicos y los convirtió en un mapa de conocimiento en forma de gráfico. El gráfico reveló cómo se conectan diferentes piezas de información y pudo encontrar grupos de concepts relacionadas y puntos clave que vinculan muchos conceptos.
“Lo que es realmente interesante es que el gráfico sigue una naturaleza libre de escala, está altamente conectado y puede usarse eficazmente para el razonamiento gráfico”, cube Buehler. “En otras palabras, enseñamos a los sistemas de inteligencia synthetic a pensar en datos basados en gráficos para ayudarlos a construir mejores modelos de representaciones del mundo y mejorar la capacidad de pensar y explorar nuevas concepts para permitir el descubrimiento”.
Los investigadores pueden utilizar este marco para responder preguntas complejas, encontrar lagunas en el conocimiento precise, sugerir nuevos diseños de materiales, predecir cómo podrían comportarse los materiales y vincular conceptos que nunca antes habían estado conectados.
El modelo de IA encontró similitudes inesperadas entre los materiales biológicos y la “Sinfonía n.° 9”, lo que sugiere que ambos siguen patrones de complejidad. “De manera comparable a cómo las células en materiales biológicos interactúan de maneras complejas pero organizadas para realizar una función, la novena sinfonía de Beethoven organiza notas y temas musicales para crear una experiencia musical compleja pero coherente”, cube Buehler.
En otro experimento, el modelo de IA basado en gráficos recomendó la creación de un nuevo materials biológico inspirado en los patrones abstractos encontrados en la pintura de Wassily Kandinsky, “Composición VII”. La IA sugirió un nuevo materials compuesto a base de micelio. “El resultado de este materials combina un conjunto innovador de conceptos que incluyen un equilibrio entre caos y orden, propiedades ajustables, porosidad, resistencia mecánica y funcionalidad química con patrones complejos”, señala Buehler. Inspirándose en una pintura abstracta, la IA creó un materials que equilibra ser fuerte y funcional, al mismo tiempo que es adaptable y capaz de desempeñar diferentes funciones. La aplicación podría conducir al desarrollo de materiales de construcción sostenibles e innovadores, alternativas biodegradables a los plásticos, tecnología portátil e incluso dispositivos biomédicos.
Con este modelo avanzado de IA, los científicos pueden extraer conocimientos de la música, el arte y la tecnología para analizar datos de estos campos e identificar patrones ocultos que podrían generar un mundo de posibilidades innovadoras para el diseño de materiales, la investigación e incluso la música o el arte visible.
“La IA generativa basada en gráficos logra un grado mucho mayor de novedad, exploración de capacidad y detalles técnicos que los enfoques convencionales, y establece un marco muy útil para la innovación al revelar conexiones ocultas”, cube Buehler. “Este estudio no solo contribuye al campo de los materiales y la mecánica bioinspirados, sino que también sienta las bases para un futuro en el que la investigación interdisciplinaria impulsada por la IA y los gráficos de conocimiento pueda convertirse en una herramienta de investigación científica y filosófica a medida que miramos hacia otros trabajos futuros. .”
