El revolucionario modelo Newton de Archetype AI aprende física autónomamente.

Investigadores de Archetype AI han desarrollado un modelo de inteligencia artificial fundamental capaz de aprender principios de física complejos directamente a partir de datos de sensores, sin ningún conocimiento preprogramado. Este avance podría cambiar significativamente la manera en que entendemos e interactuamos con el mundo físico.

El modelo, llamado Newton, demuestra una capacidad sin precedentes para generalizar a través de diversos fenómenos físicos, desde oscilaciones mecánicas hasta termodinámica, utilizando únicamente mediciones de sensores como entrada. Este logro, detallado en un artículo publicado hoy, representa un avance importante en la capacidad de la inteligencia artificial para interpretar y predecir procesos físicos del mundo real.

«Nos estamos preguntando si la inteligencia artificial puede descubrir las leyes de la física por sí misma, de la misma manera que los humanos lo hicieron a través de una cuidadosa observación y medición», dijo Ivan Poupyrev, cofundador de Archetype AI, en una entrevista exclusiva con VentureBeat. «¿Podemos construir un único modelo de inteligencia artificial que generalice a través de diversos fenómenos físicos, dominios, aplicaciones y aparatos de detección?»

Entrenado con más de medio billón de puntos de datos de diversas mediciones de sensores, Newton ha demostrado una notable versatilidad. En una demostración impactante, predijo con precisión el movimiento caótico de un péndulo en tiempo real, a pesar de no haber sido entrenado específicamente en dinámica de péndulos.

Las capacidades del modelo se extienden también a escenarios complejos del mundo real. Newton superó a sistemas de inteligencia artificial especializados en pronosticar patrones de consumo de energía en toda una ciudad y predecir fluctuaciones de temperatura en transformadores de redes eléctricas.

Lo más notable es que Newton no fue específicamente entrenado para entender estos experimentos: los estaba enfrentando por primera vez y aún así lograba predecir resultados incluso para comportamientos caóticos y complejos», dijo Poupyrev a VentureBeat.

La capacidad de generalización de Newton a dominios totalmente nuevos podría cambiar significativamente la forma en que se aplica la inteligencia artificial en aplicaciones industriales y científicas. En lugar de requerir modelos personalizados y conjuntos de datos extensos para cada nuevo caso de uso, un único modelo de base pre-entrenado como Newton podría ser adaptado a tareas de detección diversas con un mínimo de entrenamiento adicional.

Este enfoque representa un cambio significativo en la forma en que la inteligencia artificial puede ser aplicada a sistemas físicos. Actualmente, la mayoría de las aplicaciones industriales de inteligencia artificial requieren un desarrollo personalizado y una recopilación de datos extensa para cada caso de uso específico. Este proceso es lento, costoso y a menudo da como resultado modelos estrechamente enfocados e incapaces de adaptarse a condiciones cambiantes.

El enfoque de Newton, en cambio, ofrece el potencial de sistemas de inteligencia artificial más flexibles y adaptables. Al aprender principios generales de física a partir de una amplia gama de datos de sensores, el modelo podría ser potencialmente aplicado a nuevas situaciones con un mínimo de entrenamiento adicional. Esto podría reducir drásticamente el tiempo y el costo de implementar la inteligencia artificial en entornos industriales, al tiempo que mejora la capacidad de estos sistemas para manejar situaciones inesperadas o condiciones cambiantes.

Además, este enfoque podría ser particularmente valioso en situaciones donde los datos son escasos o difíciles de recolectar. Muchos procesos industriales involucran eventos raros o condiciones únicas que son difíciles de modelar con enfoques tradicionales de inteligencia artificial. Un sistema como Newton, que puede generalizar a partir de una amplia base de conocimiento físico, podría hacer predicciones precisas incluso en estos escenarios desafiantes.

Las implicaciones de Newton van más allá de las aplicaciones industriales. Al aprender a interpretar datos de sensores desconocidos, los sistemas de inteligencia artificial como Newton podrían expandir las capacidades perceptivas humanas de nuevas maneras.

«Ahora tenemos sensores que pueden detectar aspectos del mundo que los humanos no pueden percibir naturalmente», dijo Poupyrev a VentureBeat. «Ahora podemos comenzar a ver el mundo a través de modalidades sensoriales que los humanos no tienen. Podemos mejorar nuestra percepción de maneras sin precedentes».

Esta capacidad podría tener profundas implicaciones en diversos campos. En medicina, por ejemplo, los modelos de inteligencia artificial podrían ayudar a interpretar datos de diagnóstico complejos, identificando posiblemente patrones o anomalías que los médicos humanos podrían pasar por alto. En ciencias ambientales, estos modelos podrían ayudar a analizar vastas cantidades de datos de sensores para comprender y predecir mejor patrones climáticos o cambios ecológicos.

La tecnología también plantea posibilidades intrigantes para la interacción humano-computadora. A medida que los sistemas de inteligencia artificial se vuelvan mejores en interpretar diversos tipos de datos de sensores, podríamos ver nuevas interfaces que permitan a los humanos «sentir» aspectos del mundo que antes eran imperceptibles. Esto podría conducir a nuevas herramientas para todo, desde la investigación científica hasta la expresión artística.

Archetype AI, una startup con sede en Palo Alto fundada por ex investigadores de Google, ha recaudado $13 millones en financiamiento de empresas de capital riesgo hasta la fecha. La compañía está en conversaciones con posibles clientes sobre despliegues del mundo real, centrándose en áreas como el mantenimiento predictivo de equipos industriales, pronósticos de demanda de energía y sistemas de gestión de tráfico.

Este enfoque también muestra promesas para acelerar la investigación científica al descubrir patrones ocultos en datos experimentales. «¿Podemos descubrir nuevas leyes físicas?» reflexionó Poupyrev. «Es una posibilidad emocionante».

«Nuestro objetivo principal en Archetype AI es dar sentido al mundo físico», dijo Poupyrev a VentureBeat. «Descubrir lo que significa el mundo físico».

A medida que los sistemas de inteligencia artificial se vuelvan cada vez más hábiles en interpretar los patrones que subyacen a la realidad física, ese objetivo podría estar al alcance. La investigación abre nuevas posibilidades, desde procesos industriales más eficientes hasta avances científicos e interfaces humano-computadora novedosas que expanden nuestra comprensión del mundo físico que nos rodea.

Por ahora, Newton sigue siendo un prototipo de investigación. Pero si Archetype AI logra llevar con éxito la tecnología al mercado, podría abrir una nueva era de percepción impulsada por la inteligencia artificial en el mundo físico que nos rodea.

El desafío ahora será pasar de resultados de investigación prometedores a sistemas prácticos y confiables que puedan implementarse en entornos del mundo real. Esto requerirá no solo un mayor desarrollo técnico, sino también una cuidadosa consideración de cuestiones como la privacidad de los datos, la fiabilidad del sistema y las implicaciones éticas de los sistemas de inteligencia artificial que pueden interpretar y predecir fenómenos físicos de formas que podrían superar las capacidades humanas.