En 2024, el Premio Nobel de Física fue otorgado a John Hopfield y Geoffrey Hinton por su trabajo basic en inteligencia synthetic (IA), y el Premio Nobel de Química fue para David Baker, Demis Hassabis y John Jumper por utilizar la IA para resolver el problema. Problema de plegamiento de proteínas, un gran desafío científico de 50 años.
Un nuevo artículo, escrito por investigadores de la Universidad Carnegie Mellon y Calculation Consulting, examina la convergencia de la física, la química y la inteligencia synthetic, destacada por los recientes Premios Nobel. Traza el desarrollo histórico de las redes neuronales y enfatiza el papel de la investigación interdisciplinaria en el avance de la IA. Los autores abogan por formar eruditos habilitados para la IA para cerrar la brecha entre los avances teóricos y las aplicaciones prácticas, impulsando el progreso hacia la inteligencia synthetic normal. El artículo está publicado en Patrones.
“Con el reconocimiento de la IA en sus conexiones tanto con la física como con la química, los profesionales del aprendizaje automático pueden preguntarse cómo se relacionan estas ciencias con la IA y cómo estos premios podrían influir en su trabajo”, explicó Ganesh Mani, profesor de Práctica de Innovación y Director de IA Colaborativa en Carnegie. Mellon’s Tepper Faculty of Enterprise, coautor del artículo. “A medida que avanzamos, es essential reconocer la convergencia de diferentes enfoques en la configuración de sistemas de IA modernos basados en IA generativa”.
En su artículo, los autores exploran el desarrollo histórico de las redes neuronales. Sostienen que al examinar la historia del desarrollo de la IA podemos comprender más a fondo las conexiones entre la informática, la química teórica, la física teórica y las matemáticas aplicadas. La perspectiva histórica ilumina cómo los descubrimientos e invenciones fundamentales en estas disciplinas han permitido el aprendizaje automático moderno con redes neuronales artificiales.
Luego pasan a los avances y desafíos clave en este campo, comenzando con el trabajo de Hopfield, y continúan explicando cómo la ingeniería en ocasiones ha precedido a la comprensión científica, como es el caso del trabajo de Jumper y Hassabis.
Los autores concluyen con un llamado a la acción, sugiriendo que el rápido progreso de la IA en diversos sectores presenta oportunidades sin precedentes y desafíos importantes. Para cerrar la brecha entre la exageración y el desarrollo tangible, dicen, se debe cultivar una nueva generación de pensadores interdisciplinarios.
Estos “Leonardo da Vincis modernos”, como los llaman los autores, serán cruciales en el desarrollo de teorías prácticas de aprendizaje que los ingenieros puedan aplicar inmediatamente, impulsando el campo hacia el ambicioso objetivo de la inteligencia synthetic normal.
Esto exige un cambio de paradigma en cómo se abordan la investigación científica y la resolución de problemas, dicen los autores, uno que adopte la colaboración holística e interdisciplinaria y aprenda de la naturaleza para comprenderla. Al romper los silos entre campos y fomentar una cultura de curiosidad intelectual que abarque múltiples dominios, se pueden identificar soluciones innovadoras a desafíos globales complejos como el cambio climático. A través de esta síntesis de diversos conocimientos y perspectivas, catalizada por la IA, se pueden lograr avances significativos y el campo puede aprovechar todo el potencial de las aspiraciones tecnológicas.
“Este enfoque interdisciplinario no sólo es beneficioso sino esencial para abordar los numerosos desafíos complejos que tenemos por delante”, sugiere Charles Martin, consultor principal de Calculation Consulting, coautor del artículo. “Necesitamos aprovechar el impulso de los avances actuales sin dejar de basarnos en las realidades prácticas”.
Los autores agradecen las contribuciones de Scott E. Fahlman, profesor emérito de la Facultad de Ciencias de la Computación de Carnegie Mellon.
