Verónica Sanz: “Si quieres realmente estar en la frontera de la ciencia, tienes que utilizar IA”

Día

La catedrática de Física de la UV, que participó en el experimento que demostró el bosón de Higgs, analiza en su ponencia en Redit Summit 2023 el impacto de la inteligencia artificial en todos los órdenes, incluida la investigación científica.

Verónica Sanz es catedrática de Física de la Universitat de València y experta en la búsqueda de ‘nueva física’ más allá del Modelo Estándar, con propuestas en SuperSimetría y Teoría de Cuerdas. Fue la primera física teórica asociada con una modalidad temporal al experimento ATLAS, uno de los grandes detectores en los que se descubrió el bosón de Higgs.

“Mi trabajo se centra en la búsqueda de nuevas formas de ver la naturaleza”, dice en el arranque de su ponencia en Redit Summit 2023. Vinculada a esa tarea está la de “producir transferencia de conocimiento de la ciencia básica a otros ámbitos más cercanos a la sociedad”.

Su área de mayor experiencia es “la búsqueda de respuestas a los problemas con los que nos encontramos cuando medimos el comportamiento de la naturaleza del universo”. Esencialmente, continúa, “intentamos entender cuál es el origen del universo y cuáles son las leyes que rigen su comportamiento, leyes matemáticamente difíciles de explicar”.

¿Qué es la materia oscura? ¿Cuál es el origen de la materia visible?, son algunas de las preguntas vinculadas a ese trabajo. “Estamos hechos de átomos, con electrones orbitando alrededor del núcleo; si esos electrones no tuvieran masa, los átomos no se habrían formado, no estaríamos aquí, no habría nada, no existiría materia. Esa masa la proporciona el bosón de Higgs”. Su existencia, sentencia, “es una cuestión fundamental para nuestra supervivencia”.

Como física teórica, “lo que tengo que hacer primero es imaginar un nuevo principio: pienso en lo que conocemos hasta el momento e intento encontrar un principio que guíe algún desarrollo basado en él. De ese modo, encuentro las leyes que tienen que cumplir las partículas, cuáles son los fenómenos que debería explicar”. Por último, y dado que la física es una ciencia empírica, “necesito contrastar esa teoría con mediciones, como las del gran colisionador de partículas en Ginebra”.

Para explicar la supersimetría recuerda que en la descripción actual de la naturaleza hay dos mundos completamente separados: el de la materia y el de la energía. “La descripción que tenemos de esos dos mundos es distinta, sabemos cómo se hablan, pero las leyes que rigen su comportamiento son diferentes”. Se podría decir, no obstante, que “si la naturaleza es algo unificado, debemos encontrar la manera de conseguir que la materia y la energía sean realmente el mismo fenómeno”.

Después de años de investigación, afirma Verónica Sanz, se ha conseguido “deducir cuáles son las nuevas leyes que debíamos de encontrar y cuáles son las nuevas partículas que se aseguran de que eso pase, de que la materia y la energía hablen y sean realmente el mismo fenómeno”. Ese campo de investigación ha dado lugar a la teoría de supersimetría. “Es la parte que a mí, como teórica, me gusta, pero no sirve de nada, a menos que de esa teoría se extraiga a un grupo de predicciones, de cosas que se puedan utilizar, medir, para verificar si esa teoría es cierta o es falsa”.

La inteligencia artificial en la investigación científica

Los investigadores deben situarse en la frontera del conocimiento, de las herramientas y de la metodología, “porque siempre nos preguntamos cuál es esa pregunta que está en la frontera de lo que sabemos”. Por ello, “utilizamos técnicas de inteligencia artificial (IA) tanto en la parte de intentar encontrar nuevos principios como en la de deducir e intentar encontrar cuál es el comportamiento que los valida, sobre todo, en la parte de verificación experimental”.

Según la científica de la Universitat de València, “el estado del arte ahora mismo en mi área establece que, si quieres realmente estar en la frontera, tienes que utilizar IA. Una vez tienes una metodología y la entiendes, solo tienes que hablar con expertos de otras áreas, con su propia problemática, y enseguida las chispas saltan”.

Se trata de una tecnología “disruptiva en el sentido de que, dada la velocidad a que van las cosas, no podemos predecir su desarrollo, todos los días aparecen nuevos algoritmos, nuevas aplicaciones”. Es, asimismo, una tecnología “facilitadora, como puede ser el corta y pega de los genes”, con la singularidad añadida de que “una metodología desarrollada sobre IA en un área rápidamente encuentra una manera de ser útil en otra área”.

El aprendizaje profundo o deep learning esencialmente es un tipo de IA, “el más potente hoy en día”, apunta Verónica Sanz. “Usa muchísimos datos y encuentra patrones muy difíciles de ver. La palabra profundo viene del hecho de que aprende utilizando un tipo de arquitectura, un tipo de metodología llamada red neuronal y profunda. Coge datos, los pasa a través de la red neuronal, los transforma muchas veces y acaba generando una predicción”.

Lo hace iterativamente, “de manera que al principio esa predicción será malísima, pero poco a poco va aprendiendo hasta que llega a un nivel de predicción muy bueno”. Una red neuronal es, en sentido, realmente “una caja negra entre comillas, capaz de encontrar un patrón, de descubrir una anomalía”.

¿Por qué tiene ese poder? La investigadora valenciana destaca que “se deja entrenar, sólo tienes que proporcionarle datos, que pueden ser de todo tipo: imágenes, voz, texto, en nuestro caso, características de partículas que se miden, energía de los electrones, pero puede ser también el movimiento de coches de Valencia. Puede ser eso y todo junto”.

Las predicciones son “muy variadas”. En el caso de la ciencia básica, continúa, “puede tratar de averiguar lo que está pasando en el gran colisionador de partículas, mirar sus eventos y determinar si es materia oscura o no”. Pero en el caso de aplicaciones de marketing, “querrás ser capaz de predecir la cercanía de un cierto usuario con un cierto segmento de tu mercado”.

La irrupción de la IA generativa

“Lo que realmente está acaparando titulares es un tipo de aprendizaje profundo llamado IA generativa”, señala la investigadora de la UV en Redit Summit 2023. “La idea que subyace es muy potente, porque el aprendizaje es no supervisado, es decir, no le estás indicando a la IA lo que tiene que aprender”.

Si le damos a la IA generativa decenas de miles de caras de seres humanos y, una a una, le pedimos que transforme sus píxeles, “la primera vez creará un avatar que no tendrá nada que ver con la cara inicial, será simplemente ruido”. En ese proceso, existe “una especie de árbitro tecnológico que le ayuda a ir ajustando sus parámetros en cada iteración, y esto lo hace cientos de miles de veces. De modo que se va volviendo cada vez un poco mejor en analizar esa cara”.

Llega un momento en el que “el árbitro, el discriminador, reconoce que no puede distinguir el avatar generado del inicial, y es entonces cuando se produce el game over, lo que tienes es una red neuronal generativa entrenada”. El poder de la IA generativa llega a partir de ese punto, según Verónica Sanz. “¿Qué pasa si, en lugar de darle una cara de una persona le doy ruido, un papel en blanco? Genera una persona que no existe” y la imagen es “tremendamente realista, de ahí el calificativo de generativo”.

“Las implicaciones son inmensas”, añade. “Los rostros son una tarea sencilla dentro de lo que cabe, pero todo la IA generativa se está utilizando y se utilizará para producir, por ejemplo, falsos vídeos de acciones específicas, también es capaz de generar arte, música del estilo de Mahler, tiene un poder que todavía no hemos explorado”.

La ‘nueva’ ciencia

En ese punto de su charla, Verónica Sanz vuelve “a la ciencia fundamental”. En su trabajo se valieron de la IA generativa, “pero en lugar de caras utilizamos potenciales de física”. Gracias a ello, pudieron desarrollar “un evaluador de simetría tan potente, porque realmente había entendido lo que es la asimetría, que podíamos pedirle que analizara obras de arte de Kandinsky o Picasso”.

Otro concepto que “todavía estamos desarrollando consiste en utilizar mediciones que se hacen en el Centro de Investigación sobre Desertificación de la Universitat de València para establecer configuraciones posibles en el campo, en zonas semidesérticas, para intentar encontrar las interacciones ecológicas que son muy complejas”.

“Una vez quieres restaurar una zona, la IA generativa con esas opciones proporciona todas las especies compatibles y un rango de probabilidad de que algunas especies sean capaces de surgir”, explica Verónica Sanz.

“La IA generativa se encuentra realmente muy en la frontera de lo que utilizamos en física de partículas, pero no está en la frontera de las aplicaciones que nos van a afectar como seres humanos”, advierte, no obstante. “GPT es como un cochecito de juguete, la mayor parte de la gente utiliza cosas muy sencillas, que nos permiten hacer lo que ya hacemos, pero un poco mejor”.

La clave es “explorar algoritmos más potentes como ese de la IA generativa, empiezas a ver cosas como esa creación de nuevas posibilidades, algunas para mal uso y otras para buen uso, claro. Esta capacidad demuestra que realmente está entendiendo los conceptos que hay detrás de una cara humana, como la asimetría, o en el caso del campo, las leyes de comportamiento de interacción ecológica”.

Facebook
Twitter
LinkedIn

Deja una respuesta

Tu dirección de correo electrónico no será publicada.
Los campos obligatorios están marcados con *

Otros
artículos